Teza doctorat (pdf) - Universitatea Tehnică

178
Cap. 6. Metode de sinteză de voce
- VT reprezintă vectorul de trăsături al unităţii fonetice,
- L[i], C[i] reprezintă parametrii lingvistici ai unităţii,
- F0, A(n), D, X(n) reprezintă parametrii de semnal,
- ΔF(n), ΔA(n), ΔD reprezintă parametrii prozodici ai segmentului considerat, toţi
parametrii având semnificaţia indicată mai sus.
6.3.2.3. Potrivirea unităţilor candidat cu unităţile ţintă
Paragraful curent se bazează pe lucrările [Hun96] şi [Mob00].
Potrivirea unităţilor candidat cu unităţile ţintă se face în timpul rulării (run-time), după
cum urmează:
Pentru distorsiunea unităţilor (Target Cost) se compară trăsăturile ce derivă din textul de
sintetizat cu trăsăturile unităţilor din baza de date vocală. Nu se iau în calcul toate trăsăturile care
apar în vectorul de trăsături ( 6.16), ci doar cele care se pot determina în timpul rulării. De
exemplu, pentru unităţile ţintă, ce derivă din textul de intrare, nu se pot determina parametrii de
semnal.
Text
[VT-ţintă] [VT-candidat]
Figura 6.7. Potrivirea unităţii fonetice cu unităţile candidate
Pentru distorsiunea de concatenare ( Concatenation Cost) se iau în considerare toate
trăsăturile unităţilor candidate. Acestea sunt integrate în baza de date, fiind calculate în cadrul
unui proces off-line.
ma
ma
ma
ma
ma
[VT (`ma`)] [VT (`şi`)] [VT (`na`)]
ma
ma
ma
ma
Figura 6.8. Potrivirea unităţilor de concatenat
şi
şi
şi
şi
na
na
na
na
Baza de date
vocală