Teza doctorat (pdf) - Universitatea Tehnică
Teza doctorat (pdf) - Universitatea Tehnică 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.
6.4.6.1. O statistică a silabelor limbii române 227 450000 400000 350000 300000 250000 200000 150000 100000 50000 0 Cap. 6. Metode de sinteză de voce Această statistică urmăreşte detectarea frecvenţelor de apariţie ale silabelor din limba română. Statistica a fost realizată folosind texte extrase din domenii precum: beletristică de diverse genuri, religie, economie, politică, ştiinţă şi tehnică, ziaristică. Textele au însumat un număr de aproximativ 342000 de cuvinte, adică peste 600 de pagini în format A4. Au fost contabilizate doar silabele de tip S2, S3 şi S4, adică având două, trei sau patru foneme componente. S-au obţinut următoarele valori: - pentru tipul S2 : 202 silabe distincte, - pentru tipul S3 : 1432 silabe distincte, - pentru tipul S4 : 1180 silabe distincte, în total 2814 silabe. Această statistică reflectă şi faptul că limba vorbită foloseşte mai puţine cuvinte decât cele existente în dicţionar, şi implicit mai puţine silabe. Configuraţia silabelor S2, S3 şi S4 este ilustrată în figura 6.23. Ca şi frecvenţă de apariţie, silabele S2 au apărut în schimb cel mai frecvent. În figura 6.24 sunt ilustrate frecvenţele de apariţie ale silabelor S2, S3 şi S4. 1600 1400 1200 1000 800 600 400 200 0 S2 S3 S4 Figura 6.23. Configuraţia silabelor S2, S3 şi S4 din corpusul divers de 342000 de cuvinte S2 S3 S4 Figura 6.24. Frecvenţele de apariţie ale silabelor S2, S3 şi S4 Frecvenţele de apariţie ale primelor 10 silabe din fiecare tip sunt redate în graficul următor: 25000 20000 15000 10000 5000 0 1 2 3 4 5 6 7 8 9 10 Figura 6.25. Frecvenţele de apariţie ale primelor 10 silabe S2, S3 şi S4 S4 S3 S2
- 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
- Page 242 and 243: -----------------------------------
- Page 246 and 247: 228 Cap. 6. Metode de sinteză de v
- Page 248 and 249: 6.4.6.3. Organizarea bazei de date
- Page 250 and 251: 232 Cap. 6. Metode de sinteză de v
- Page 252 and 253: silabă conţinând litera ă silab
- Page 254 and 255: 236 Cap. 6. Metode de sinteză de v
- Page 256 and 257: 238 Cap. 6. Metode de sinteză de v
- Page 258 and 259: 240 Cap. 6. Metode de sinteză de v
- Page 260 and 261: 7. Realizarea sistemului de sintez
- Page 262 and 263: Figura 7.2. Sistemul de sinteză a
- Page 264 and 265: 1) Crearea listei de silabe Cap. 7.
- Page 266 and 267: Cap. 7. Proiectarea sistemului de s
- Page 268 and 269: Cap. 7. Proiectarea sistemului de s
- Page 270 and 271: Cap. 7. Proiectarea sistemului de s
- Page 272 and 273: Cap. 7. Proiectarea sistemului de s
- Page 274 and 275: Baza de date vocală Cap. 7. Proiec
- Page 276 and 277: 1 Procesare Separator Procesare Cuv
- Page 278 and 279: Cap. 7. Proiectarea sistemului de s
- Page 280 and 281: Cap. 7. Proiectarea sistemului de s
- Page 282 and 283: Cap. 7. Proiectarea sistemului de s
- Page 284 and 285: 8. Concluzii finale Cercetările ef
- Page 286 and 287: 268 Cap. 8. Concluzii finale 11. A
- Page 288 and 289: 270 Cap. 8. Concluzii finale percep
- Page 290 and 291: 272 Cap. 8. Concluzii finale b) pen
- Page 292 and 293: 274 Cap. 8. Concluzii finale - nive
6.4.6. Proiectarea bazei de date vocale<br />
226<br />
Cap. 6. Metode de sinteză de voce<br />
Găsirea unor modalităţi de proiectare a bazelor de date vocale optime pentru sinteza de<br />
voce reprezintă un subiect de cercetare important pentru specialiştii din domeniu. O bază de date<br />
vocală bine proiectată are un impact de prim ordin asupra calităţii vocii sintetizate, indiferent de<br />
tipul unităţilor fonetice folosite ([Bod07-2], [Tod09]).<br />
Dacă la metodele bazate pe corpus baza de date este de dimensiuni mari, cuprinzând zeci<br />
de minute de vorbire înregistrată, din care vor fi segmentate unităţile fonetice, în cazul metodelor<br />
bazate pe silabe baza de date cuprinde un număr mai redus de unităţi, în funcţie de gradul de<br />
completitudine ales.<br />
Baza de date utilizată în cadrul metodei de sinteză propusă de autor cuprinde un subset al<br />
silabelor limbii române. După înregistrare, silabele trebuie să urmeze un proces de normalizare<br />
pentru alinierea parametrilor de tonalitate şi intensitate a rostirii. Silabele vor trebui să fie<br />
înregistrate în diferite contexte şi moduri de pronunţie, astfel încât să includă şi prozodia aferentă<br />
textului care va fi sintetizat.<br />
Baza de date vocală conţine silabe compuse din două, trei sau patru litere, notate cu S2,<br />
S3, respectiv S4.<br />
Silabele de tip S2, adică silabele compuse din două foneme sunt în general de forma:<br />
- {CV} (C=consoană, V=vocală), cum sunt de exemplu: ‚ba’, ‚be’, ‚co’, ‚cu’,<br />
- {VC}, cum ar fi ‚ar’, ‚es’ etc., adică cele care apar de obicei la începutul unor cuvinte în<br />
limba română,<br />
- {VV}, structura de tip diftong: ‘oa’, ‘iu’, ‘ie’.<br />
Silabele de tip S3, compuse din trei foneme, pot fi de tipul:<br />
- {CCV} , de exemplu: ‚bra’, ‚cre’, ‚tri’, ‚ghe’;<br />
- {CVC} , cum ar fi: ‚mar’, ‚ver’,<br />
- {CVV} , de exemplu: ‚cea’, ‚cei’, ‚soa’.<br />
Silabele de tip S4, compuse din patru foneme, pot fi de mai multe tipuri, ca de exemplu:<br />
- {CCVC} , de exemplu: ‚braţ’, ‚prin’, ‚ghem’;<br />
- {CCCV} , de exemplu: ‚stră’,<br />
- {CCVV} , de exemplu: ‚prea’,<br />
- {CVCC} , cum ar fi: ‚vers’,<br />
- {VVCV} , de exemplu: ‚iúţi’ (ultima vocală este de obicei un ‘i’ moale),<br />
- {CVCV} , cum ar fi: ‚véri’ (de obicei această configuraţie apare la sfârşitul cuvintelor),<br />
- {CVVC} , de exemplu: ‚coar’ .<br />
În baza de date nu au fost înregistrate toate silabele limbii române. Conform cu [Din04], se<br />
menţionează că numărul total al silabelor limbii române (număr rezultat din despărţirea în silabe<br />
a tuturor cuvintelor existente în dicţionar) este de 6496. Aşa cum se va prezenta în capitolul<br />
destinat implementării sistemului de sinteză vocală, în baza de date au fost înregistrate (în<br />
diferite contexte şi moduri de pronunţie) doar aproximativ 600 de silabe.<br />
Strategia urmărită a fost de a înregistra în fiecare categorie S2, S3 şi S4 un număr cât mai mare<br />
de silabe, în ordinea frecvenţei de apariţie în limba română. Pentru aceasta, dat fiind faptul că a<br />
fost proiectată o metodă automată de despărţire a cuvintelor în silabe, s-a avut în vedere<br />
realizarea unei statistici a silabelor limbii române în scopul utilizării ei în procesul de construire<br />
a setului de silabe de referinţă şi a bazei de date acustice.