Teza doctorat (pdf) - Universitatea Tehnică
Teza doctorat (pdf) - Universitatea Tehnică Teza doctorat (pdf) - Universitatea Tehnică
x(t) x1(t) x2(t) x1(t) x2(t) X1(t) X2(t) p1(t) p1(t) p1(t) T0 T0 T1 > T0 Figura 6.6. Extragerea şi maparea segmentelor în sinteza TD-PSOLA 174 p2(t) p2(t) p2(t) Cap. 6. Metode de sinteză de voce SEMNALUL ORIGINAL SEGMENTELE EXTRASE SEGMENTELE PONDERATE SEGMENTELE MAPATE
6.3.1.2. Avantajele şi dezavantajele metodei TD-PSOLA 175 Cap. 6. Metode de sinteză de voce Metoda asigură o calitate superioară a sintezei rezultată în urma utilizării segmentelor de vorbire extrase direct din vorbirea umană reală. Modul de alegere a segmentelor centrate pe maximul de intensitate sonoră asigură erori minime datorate compunerii segmentelor suprapuse. Astfel, erorile vor putea apare doar la capetele intervalelor, unde semnalul sonor are energie mică [Dut93], [Edg96]. De asemenea, un alt avantaj major al metodei constă în posibilitatea modificării facile a frecvenţei şi duratei de semnal, ceea ce asigură schimbarea prozodiei semnalului vocal sintetizat şi implicit creşterea calităţii sintezei. Ca dezavantaje, trebuie totuşi menţionate zgomotele care pot apărea la capetele intervalelor de segment, datorită erorilor introduse de mediere. De asemenea, în interiorul tranziţiilor pot apărea distorsiuni cauzate de erorile de fază, unele porţiuni nesonore putând deveni sonore în urma compunerii segmentelor suprapuse. 6.3.1.3. Îmbunătăţiri ale metodei Pentru a elimina o parte din neajunsurile metodei, au fost încercate diferite abordări sau îmbunătăţiri. Cele mai cunoscute sunt LP-PSOLA şi MBROLA. Tehnica LP-PSOLA (Linear Prediction PSOLA) este o combinaţie între alogoritmul de sinteză LPC şi algoritmul PSOLA. Metoda separă excitaţia de semnalul corespunzător tractului vocal într-un mod asemănător metodei prin predicţie liniară LPC, folosind minimizarea erorii e(t) a semnalului de predicţie (eroare ce se mai numeşte semnal rezidual). Ap oi algoritmul PSOLA se aplică doar pe acest semnal rezidual, care are proprietatea de a fi decorelat în interiorul fiecărui segment considerat [Edg96]. Avantajul care apare din această abordare constă în controlul mult mai bun asupra structurii spectrale a semnalului, precum şi în calitatea mult îmbunătăţită a tranziţiilor dintre segmente. Metoda MBROLA ( Multiband Resynthesis Overlap and Add), proiectată în cadrul Facultăţii politehnice din Mons, Belgia, are avantajul de a netezi discontinuităţile spectrale ce apar în TD-PSOLA. Metoda lucrează şi ea în domeniul timp, folosind o bază de date vocală normalizată şi interpolări la capetele intervalelor de sinteză. Metoda este implementată în cadrul unui sintetizor de voce care primeşte la intrare un fişier cu parametrii prozodici şi produce vorbirea sintetizată pe baza concatenării difonemelor din baza de date vocală [Dut93].
- Page 142 and 143: 124 Cap. 4. Analiza semnalului voca
- Page 144 and 145: 126 Cap. 4. Analiza semnalului voca
- Page 146 and 147: 128 Cap. 4. Analiza semnalului voca
- Page 148 and 149: 130 Cap. 4. Analiza semnalului voca
- Page 150 and 151: 132 Cap. 4. Analiza semnalului voca
- Page 152 and 153: 134 Cap. 4. Analiza semnalului voca
- Page 154 and 155: 136 Cap. 4. Analiza semnalului voca
- Page 156 and 157: 4.8.4.1. Calculul distanţei dintre
- Page 158 and 159: F(C1) C1 C2 Np E(a,b) 140 Dp Cap. 4
- Page 160 and 161: Tabelul 4.10. Stabilirea frontierel
- Page 162 and 163: 144 Cap. 4. Analiza semnalului voca
- Page 164 and 165: Tabelul 4.13. Stabilirea frontierel
- Page 166 and 167: 2) Compararea vectorilor din regiun
- Page 168 and 169: 150 Cap. 4. Analiza semnalului voca
- Page 170 and 171: c) În faza de etichetare s-a mers
- Page 172 and 173: 154 Cap. 4. Analiza semnalului voca
- Page 174 and 175: 156 Cap. 5. Sinteza de voce Aşa cu
- Page 176 and 177: 158 Cap. 5. Sinteza de voce Metodel
- Page 178 and 179: 160 Cap. 5. Sinteza de voce Urmeaz
- Page 180 and 181: 6. Metode de sinteză de voce 6.1.
- Page 182 and 183: 164 Cap. 6. Metode de sinteză de v
- Page 184 and 185: 166 Cap. 6. Metode de sinteză de v
- Page 186 and 187: 168 Cap. 6. Metode de sinteză de v
- Page 188 and 189: 170 Cap. 6. Metode de sinteză de v
- Page 190 and 191: 172 Cap. 6. Metode de sinteză de v
- Page 194 and 195: 6.3.2. Metoda bazată pe corpus 176
- Page 196 and 197: 178 Cap. 6. Metode de sinteză de v
- Page 198 and 199: Cost 180 Cap. 6. Metode de sinteză
- Page 200 and 201: 6.3.2.5. Algoritmul metodei de sint
- Page 202 and 203: Fiecare fază cuprinde mai multe et
- Page 204 and 205: 186 Cap. 6. Metode de sinteză de v
- Page 206 and 207: cat(Cuvint,term[nrcif]); if(nrcif>0
- Page 208 and 209: TEXT Forma flexionată Figura 6.13.
- Page 210 and 211: 192 Cap. 6. Metode de sinteză de v
- Page 212 and 213: 194 Cap. 6. Metode de sinteză de v
- Page 214 and 215: {LIT}+(le|lui)/{SEP} {/*peştele*/
- Page 216 and 217: {LIT}+{CONS}e/{SEP} {/* merge */ Ca
- Page 218 and 219: 200 Cap. 6. Metode de sinteză de v
- Page 220 and 221: 202 Cap. 6. Metode de sinteză de v
- Page 222 and 223: 204 Cap. 6. Metode de sinteză de v
- Page 224 and 225: silaba: SILABA { ProcesareSilaba($1
- Page 226 and 227: 208 Cap. 6. Metode de sinteză de v
- Page 228 and 229: 210 Cap. 6. Metode de sinteză de v
- Page 230 and 231: 212 Cap. 6. Metode de sinteză de v
- Page 232 and 233: 214 Cap. 6. Metode de sinteză de v
- Page 234 and 235: 216 Cap. 6. Metode de sinteză de v
- Page 236 and 237: 218 Cap. 6. Metode de sinteză de v
- Page 238 and 239: 220 Cap. 6. Metode de sinteză de v
- Page 240 and 241: 222 Cap. 6. Metode de sinteză de v
6.3.1.2. Avantajele şi dezavantajele metodei TD-PSOLA<br />
175<br />
Cap. 6. Metode de sinteză de voce<br />
Metoda asigură o calitate superioară a sintezei rezultată în urma utilizării segmentelor de<br />
vorbire extrase direct din vorbirea umană reală. Modul de alegere a segmentelor centrate pe<br />
maximul de intensitate sonoră asigură erori minime datorate compunerii segmentelor suprapuse.<br />
Astfel, erorile vor putea apare doar la capetele intervalelor, unde semnalul sonor are energie<br />
mică [Dut93], [Edg96].<br />
De asemenea, un alt avantaj major al metodei constă în posibilitatea modificării facile a<br />
frecvenţei şi duratei de semnal, ceea ce asigură schimbarea prozodiei semnalului vocal sintetizat<br />
şi implicit creşterea calităţii sintezei.<br />
Ca dezavantaje, trebuie totuşi menţionate zgomotele care pot apărea la capetele<br />
intervalelor de segment, datorită erorilor introduse de mediere. De asemenea, în interiorul<br />
tranziţiilor pot apărea distorsiuni cauzate de erorile de fază, unele porţiuni nesonore putând<br />
deveni sonore în urma compunerii segmentelor suprapuse.<br />
6.3.1.3. Îmbunătăţiri ale metodei<br />
Pentru a elimina o parte din neajunsurile metodei, au fost încercate diferite abordări sau<br />
îmbunătăţiri. Cele mai cunoscute sunt LP-PSOLA şi MBROLA.<br />
Tehnica LP-PSOLA (Linear Prediction PSOLA) este o combinaţie între alogoritmul de<br />
sinteză LPC şi algoritmul PSOLA. Metoda separă excitaţia de semnalul corespunzător tractului<br />
vocal într-un mod asemănător metodei prin predicţie liniară LPC, folosind minimizarea erorii<br />
e(t) a semnalului de predicţie (eroare ce se mai numeşte semnal rezidual). Ap oi algoritmul<br />
PSOLA se aplică doar pe acest semnal rezidual, care are proprietatea de a fi decorelat în<br />
interiorul fiecărui segment considerat [Edg96].<br />
Avantajul care apare din această abordare constă în controlul mult mai bun asupra<br />
structurii spectrale a semnalului, precum şi în calitatea mult îmbunătăţită a tranziţiilor dintre<br />
segmente.<br />
Metoda MBROLA ( Multiband Resynthesis Overlap and Add), proiectată în cadrul<br />
Facultăţii politehnice din Mons, Belgia, are avantajul de a netezi discontinuităţile spectrale ce<br />
apar în TD-PSOLA. Metoda lucrează şi ea în domeniul timp, folosind o bază de date vocală<br />
normalizată şi interpolări la capetele intervalelor de sinteză. Metoda este implementată în cadrul<br />
unui sintetizor de voce care primeşte la intrare un fişier cu parametrii prozodici şi produce<br />
vorbirea sintetizată pe baza concatenării difonemelor din baza de date vocală [Dut93].