Teza doctorat (pdf) - Universitatea Tehnică

3
Cap. 1. Introducere
Capitolul 8 prezintă concluziile finale, sinteza cercetărilor efectuate în cadrul tezei şi sunt
detaliate contribuţiile aduse de autor la dezvoltarea domeniului de cercetare.
În continuare este prezentată bibliografia selectată de autor ce include titlurile citate.
Anexa 1 prezintă notaţiile folosite în cadrul gramaticii LEX pentru construirea
analizoarelor lexicale. Anexele 2, 3 şi 4 prezintă seturile de silabe alcătuite din două, trei şi
respectiv patru foneme, obţinute pe baza statisticii realizate de către autor asupra frecvenţelor de
apariţie a silabelor în limba română. Anexa 5 prezintă activitatea ştiinţifică a autorului, lucrările
ştiinţifice şi proiectele de cercetare la care a participat, iar în anexa 6 sunt prezentate în extenso
două articole publicate de autor în reviste recunoscute pe plan internaţional.
1.3. Problematica sintezei de voce
Odată cu dezvoltarea tot mai accentuată a tehnologiilor şi sistemelor informatice s-a pus
problema comunicării cât mai naturale dintre om şi calculator. Comunicarea pe bază de voce,
atât de obişnuită omului, s-a dovedit a fi o sarcină dificil de realizat pentru sistemul automat.
Interacţiunea pe bază de voce presupune mai multe etape: recunoaşterea cuvintelor pe
care le rosteşte interlocutorul, recunoaşterea semanticii vorbirii sau a informaţiei transmise,
procesarea informaţiei, elaborarea unui răspuns şi conversia acestuia din nou în formă vocală.
Sinteza automată de voce constituie o etapă distinctă a acestui proces de interacţiune
vocală cu utilizatorul uman. Sinteza vorbirii porneşte de la un text (răspunsul care trebuie rostit),
îl descompune în unităţi lingvistice de bază (foneme sau grupuri de foneme), generează
parametrii acustici corespunzători fiecărei unităţi lingvistice, şi apoi foloseşte aceşti parametrii
pentru comanda procesorului audio ce va genera secvenţa acustică dorită. Cu cât parametrii
acustici generaţi de calculator sunt mai apropiaţi de parametrii rostirii umane, cu atât vorbirea
sintetizată va fi mai naturală, mai plăcută interlocutorului şi mai uşor de înţeles.
În continuare se pune problema găsirii unor metode de generare a parametrilor astfel
încât pe de o parte aceste metode să asigure complexitatea generării unor parametrii apropiaţi de
vorbirea umană reală, şi pe de altă parte să fie suficient de versatile pentru a permite modularea
intonaţiei vorbirii prin modificarea parametrilor acustici.
Aceste două caracteristici: claritatea rostirii şi realizarea intonaţiei definesc indicatorii de
calitate ai vorbirii produse prin sinteză. Diferite abordări ale procesului de sinteză a semnalului
vocal, atât în domeniul frecvenţei, cât şi în domeniul timp, au urmărit aducerea celor doi
indicatori la valori cât mai ridicate. Acesta este şi scopul cercetărilor în domeniul producerii
vorbirii la ora actuală.
1.4. Oportunitatea temei alese
În decursul timpului au fost proiectate mai multe metode pentru generarea parametrilor
acustici necesari pentru sinteză. În ultimii ani s-a dovedit că metodele cu cele mai bune rezultate
sunt cele care memorează forma de undă reală, rostită de un vorbitor uman, pentru fiecare unitate
lingvistică în parte. Aceste metode realizează sinteza vorbirii prin concatenarea unităţilor
acustice memorate într-o bază de date vocală.