Teza doctorat (pdf) - Universitatea Tehnică

2
Cap. 1. Introducere
Se prezintă apoi principiile procesului de segmentare fonematică, de asociere a
segmentelor semnalului vocal cu secvenţele de foneme corespunzând semanticii (reprezentării
textuale) a semnalului vorbit. Au fost expuse trei metode principale de segmentare fonematică,
extrase din literatura de specialitate.
Sunt prezentate şi contribuţiile autorului în problematica segmentării fonematice a
semnalului vocal, respectiv metoda de segmentare fonematică bazată pe reguli de asociere
foneme-regiuni. S-au explicat paşii metodei, setul de reguli folosit, s-au prezentat rezultatele şi
avantajele metodei. Au fost arătate aplicaţiile metodei de segmentare fonematică în procesul de
construire a bazelor de date vocale.
Capitolul 5 a fost dedicat prezentării domeniului sintezei vorbirii; a fost expus modelul
general al sintezei vorbirii, sistemul de sinteză text-to-speech, precum şi metodele de bază
folosite în sinteza text-to-speech. Au fost descrise etapele procesului sintezei vocale pornind de
la text.
Capitolul 6 prezintă metodele existente de sinteză a vorbirii, atât în domeniul frecvenţă
cât şi în domeniul timp. Dintre metodele de sinteză în domeniul frecvenţă au fost expuse metoda
formantică şi metoda LPC ( Linear Predictive Coding), iar în cadrul metodelor de sinteză în
domeniul timp au fost detaliate metoda TD-PSOLA (Time Domain Pitch Synchronous Overlapp
and Add) şi metoda de sinteză bazată pe corpus.
Ca şi contribuţie în domeniul proiectării metodelor de sinteză vocală, s-a prezentat
metoda de sinteză vocală pe bază de silabe pentru limba română. Metoda cuprinde următoarele
etape: preprocesarea textului, analiza de sintaxă, determinarea unităţilor lingvistice de tipul
silabelor, determinarea prozodiei intra-segmentale (accentuaţia), regăsirea unităţilor acustice din
baza de date vocală, concatenarea unităţilor acustice şi sinteza propriu-zisă a rostirii.
A fost descris setul de reguli pentru preprocesarea textului sursă. S-a prezentat apoi
metoda de analiză de sintaxă şi setul de reguli pentru analiza formelor flexionate din limba
română. Este prezentat analizorul lexical pentru despărţirea cuvintelor în silabe, precum şi setul
de reguli utilizat în detectarea silabelor. Se expune apoi modul de determinare a aspectelor
prozodice segmentale, prezentându-se analizorul lexical utilizat în determinarea accentelor şi
setul de reguli asociat.
În continuare se descrie structura şi modul de organizare a bazei de date vocale. Baza de
date este alcătuită dintr-un subset al silabelor limbii române, subset alcătuit pe baza frecvenţelor
de apariţie ale silabelor în limba română vorbită. Pentru a determina aceste frecvenţe de apariţie,
a fost realizată o statistică utilizând un corpus de texte conţinând peste 300000 de cuvinte.
Este prezentată apoi modalitatea de regăsire a unităţilor acustice din baza de date vocală.
Căutarea în baza de date se face după lungimea silabei, contextul median sau final în cadrul
cuvântului şi accentuare. A fost expus în continuare modul de concatenare a unităţilor acustice
pentru a forma semnalul de ieşire, precum şi modul de realizare a sintezei de voce.
Capitolul 7 prezintă sistemul de sinteză de voce în limba română LIGHTVOX, sistem
care implementează metoda de sinteză pe bază de silabe dezvoltată de autor. S-au descris
organizarea pe module a sistemului, etapele de proiectare, precum şi paşii care au fost realizaţi la
fiecare etapă. Este detaliat modul de construire a bazei de date vocale şi se prezintă algoritmul de
implementare al procesului de conversie text-voce. În finalul capitolului sunt arătate rezultatele
obţinute cu sistemul de sinteză vocală, aplicaţiile şi dezvoltările de viitor.