Teza doctorat (pdf) - Universitatea Tehnică

6.4.6. Proiectarea bazei de date vocale
226
Cap. 6. Metode de sinteză de voce
Găsirea unor modalităţi de proiectare a bazelor de date vocale optime pentru sinteza de
voce reprezintă un subiect de cercetare important pentru specialiştii din domeniu. O bază de date
vocală bine proiectată are un impact de prim ordin asupra calităţii vocii sintetizate, indiferent de
tipul unităţilor fonetice folosite ([Bod07-2], [Tod09]).
Dacă la metodele bazate pe corpus baza de date este de dimensiuni mari, cuprinzând zeci
de minute de vorbire înregistrată, din care vor fi segmentate unităţile fonetice, în cazul metodelor
bazate pe silabe baza de date cuprinde un număr mai redus de unităţi, în funcţie de gradul de
completitudine ales.
Baza de date utilizată în cadrul metodei de sinteză propusă de autor cuprinde un subset al
silabelor limbii române. După înregistrare, silabele trebuie să urmeze un proces de normalizare
pentru alinierea parametrilor de tonalitate şi intensitate a rostirii. Silabele vor trebui să fie
înregistrate în diferite contexte şi moduri de pronunţie, astfel încât să includă şi prozodia aferentă
textului care va fi sintetizat.
Baza de date vocală conţine silabe compuse din două, trei sau patru litere, notate cu S2,
S3, respectiv S4.
Silabele de tip S2, adică silabele compuse din două foneme sunt în general de forma:
- {CV} (C=consoană, V=vocală), cum sunt de exemplu: ‚ba’, ‚be’, ‚co’, ‚cu’,
- {VC}, cum ar fi ‚ar’, ‚es’ etc., adică cele care apar de obicei la începutul unor cuvinte în
limba română,
- {VV}, structura de tip diftong: ‘oa’, ‘iu’, ‘ie’.
Silabele de tip S3, compuse din trei foneme, pot fi de tipul:
- {CCV} , de exemplu: ‚bra’, ‚cre’, ‚tri’, ‚ghe’;
- {CVC} , cum ar fi: ‚mar’, ‚ver’,
- {CVV} , de exemplu: ‚cea’, ‚cei’, ‚soa’.
Silabele de tip S4, compuse din patru foneme, pot fi de mai multe tipuri, ca de exemplu:
- {CCVC} , de exemplu: ‚braţ’, ‚prin’, ‚ghem’;
- {CCCV} , de exemplu: ‚stră’,
- {CCVV} , de exemplu: ‚prea’,
- {CVCC} , cum ar fi: ‚vers’,
- {VVCV} , de exemplu: ‚iúţi’ (ultima vocală este de obicei un ‘i’ moale),
- {CVCV} , cum ar fi: ‚véri’ (de obicei această configuraţie apare la sfârşitul cuvintelor),
- {CVVC} , de exemplu: ‚coar’ .
În baza de date nu au fost înregistrate toate silabele limbii române. Conform cu [Din04], se
menţionează că numărul total al silabelor limbii române (număr rezultat din despărţirea în silabe
a tuturor cuvintelor existente în dicţionar) este de 6496. Aşa cum se va prezenta în capitolul
destinat implementării sistemului de sinteză vocală, în baza de date au fost înregistrate (în
diferite contexte şi moduri de pronunţie) doar aproximativ 600 de silabe.
Strategia urmărită a fost de a înregistra în fiecare categorie S2, S3 şi S4 un număr cât mai mare
de silabe, în ordinea frecvenţei de apariţie în limba română. Pentru aceasta, dat fiind faptul că a
fost proiectată o metodă automată de despărţire a cuvintelor în silabe, s-a avut în vedere
realizarea unei statistici a silabelor limbii române în scopul utilizării ei în procesul de construire
a setului de silabe de referinţă şi a bazei de date acustice.