Teza doctorat (pdf) - Universitatea Tehnică
Teza doctorat (pdf) - Universitatea Tehnică Teza doctorat (pdf) - Universitatea Tehnică
1) Crearea listei de silabe Cap. 7. Proiectarea sistemului de sinteză de voce în limba română Structura bazei de date acustice a fost deja prezentată în secţiunea 6.4.6. Astfel, s-a stabilit ca baza de date să cuprindă silabe alcătuite din două, trei sau patru litere (notate cu S2, S3, S4), dar şi foneme singulare (S1). S -a urmărit includerea în fiecare categorie S2, S3 şi S4 a unui număr cât mai mare de silabe în ordinea frecvenţei de apariţie în limba română, realizându-se în acest scop o statistică a silabelor (vezi paragraful 6.4.6.1). Pentru a alcătui lista iniţială de silabe, s-a pornit de la mulţimea fonemelor limbii române. S-au luat în considerare în total 27 de foneme : F = [aăbcdef gh i îjklmnoprs ştţuvxz ] Mulţimea F nu cuprinde fonemele /q/, /w/, /y/, acestea fiind înlocuite prin fonemele /c/, /v/, /i/. F este alcătuită din reuniunea a două submulţimi C şi V : C = [ bcdf ghjklmnprs ş t ţ vxz] - submulţimea consoanelor (card C = 20) V = [aăeiîo u] - submulţimea vocalelor (card V = 7) Pentru silabele din categoria S2, avem următoarele configuraţii posibile: a) [CV] b) [VV] c) [VC] unde C reprezintă o consoană, iar V – o vocală. a) Pentru silabele de tipul [CV] s-au generat toate combinaţiile de două elemente care rezultă din compunerea mulţimilor C şi V : L1 = { [ba] [ca] [da] ..... [za] , [bă] [că] [dă] ..... [ză] , ……. [bu] [cu] [du] ..... [zu] } Din această listă s-au eliminat combinaţiile care nu există în limba română, precum: [kă], [kî], etc. b) Pentru silabele de tipul [VV] şi [VC] s-a parcurs tabelul silabelor S2 (generat pe baza statisticii de la 6.4.6.1 şi prezentat în anexa 2), preluându-se toate configuraţiile de această formă. S-au obţinut listele: L2 = { [ai] [au] ..... [ua] [ui] } L3 = { [ab] [ac] ..... [uz] } Lista completă pentru categoria S2 este: LS2 = L1 U L2 U L3 . Pentru categoriile silabice S3 şi S4, listele LS3 şi LS4 s-au obţinut pe baza tabelelor din anexele 3 şi 4. 246
Cap. 7. Proiectarea sistemului de sinteză de voce în limba română Din considerente ce au ţinut de condiţiile existente pentru înregistrarea audio, listele LS3 şi LS4 au fost reduse la câteva zeci de elemente (a se vedea tabelul 7.2, ce prezintă numărul unităţilor acustice stocate în baza de date). În lista LS1 (adică fonemele singulare) au fost incluse toate fonemele din mulţimea F . 2) Crearea corpusului de cuvinte Odată obţinute listele cu silabe ( LS1 … LS4), s-a trecut la construirea corpusului de cuvinte, în vederea înregistrării şi apoi a separării unităţilor acustice. Pentru a se genera o vorbire sintetică de calitate, s-a avut în vedere ca silabele înregistrate să includă şi anumite elemente de prozodie. În primul rând, silabele trebuiau să respecte accentuaţia din interiorul cuvintelor. Ca urmare, au fost luate în considerare atât silabele accentuate (ACC), cât şi cele neaccentuate (NA), pentru fiecare categorie S2, S3 şi S4. De asemeni, ţinând cont că o silabă se rosteşte distinct în funcţie de locul pe care aceasta îl ocupă în cadrul cuvântului, dacă este situată la începutul, mijlocul sau sfârşitul unui cuvânt, s-a urmărit introducerea în listă a silabelor în aceste contexte diferite în care ele pot să apară. Astfel, s-a făcut diferenţierea între silabe finale (FIN), pe de o parte, şi silabe iniţiale şi mediane (MED), pe de altă parte. Corpusul de cuvinte folosit pentru extragerea unităţilor acustice a fost alcătuit atât din propoziţii şi cuvinte normale care conţineau silabele dorite, precum şi din cuvinte artificiale folosite pentru a evidenţia mai bine un anumit grup de foneme. Generarea seturilor de cuvinte a ţinut cont de tipul silabelor: accentuate (ACC), respectiv neaccentuate (NA), cât şi de contextul acestora: silabe mediane (MED) sau finale (FIN). Cuvintele artificiale includ silabele în contextele necesare, folosindu-se silabe auxiliare predefinite (de exemplu silaba /ta/). De exemplu pentru categoria S2 a fost generat următorul set de cuvinte : MED FIN NA ACC NA ACC ... ta - ba - tá ta - ca - tá … ta - za - tá tá - ta - ba tá - ta - ca … tá - ta - za ta - bá - ta ta - cá - ta … ta - zá - ta ta - ta - bá ta - ta - cá … ta - ta - zá 247 ta - be - tá ta - ce - tá … ta - ze - tá tá - ta - be tá - ta - ce … tá - ta - ze ta - bé - ta ta - cé - ta … ta - zé - ta ta - ta - bé ta - ta - cé … ta - ta - zé Din acest set au fost excluse combinaţiile care generează contexte improbabile pentru limba română (în majoritate silabe accentuate în context final). Alte silabe de acest gen au rămas în set chiar dacă în dicţionar nu există cuvinte care să le conţină în contextul respectiv. … …
- 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 244 and 245: 6.4.6. Proiectarea bazei de date vo
- 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 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
- Page 294 and 295: Bibliografie [And88] André-Obrecht
- Page 296 and 297: 278 Bibliografie Quality and Testin
- Page 298 and 299: 280 Bibliografie [Giu06] Giurgiu M.
- Page 300 and 301: 282 Bibliografie [Nag05] Nageshwara
- Page 302 and 303: 284 Bibliografie Research Institute
- Page 304 and 305: Anexa 2. Silabele din setul S2 dup
- Page 306 and 307: Anexa 2. Silabele din setul S2 dup
- Page 308 and 309: Anexa 3. Silabe din setul S3 după
- Page 310 and 311: Anexa 4. Silabe din setul S4 după
- Page 312 and 313: Anexa 4. Silabe din setul S4 după
Cap. 7. Proiectarea sistemului de sinteză de voce în limba română<br />
Din considerente ce au ţinut de condiţiile existente pentru înregistrarea audio, listele LS3<br />
şi LS4 au fost reduse la câteva zeci de elemente (a se vedea tabelul 7.2, ce prezintă numărul<br />
unităţilor acustice stocate în baza de date).<br />
În lista LS1 (adică fonemele singulare) au fost incluse toate fonemele din mulţimea F .<br />
2) Crearea corpusului de cuvinte<br />
Odată obţinute listele cu silabe ( LS1 … LS4), s-a trecut la construirea corpusului de<br />
cuvinte, în vederea înregistrării şi apoi a separării unităţilor acustice.<br />
Pentru a se genera o vorbire sintetică de calitate, s-a avut în vedere ca silabele înregistrate<br />
să includă şi anumite elemente de prozodie.<br />
În primul rând, silabele trebuiau să respecte accentuaţia din interiorul cuvintelor. Ca<br />
urmare, au fost luate în considerare atât silabele accentuate (ACC), cât şi cele neaccentuate<br />
(NA), pentru fiecare categorie S2, S3 şi S4.<br />
De asemeni, ţinând cont că o silabă se rosteşte distinct în funcţie de locul pe care aceasta<br />
îl ocupă în cadrul cuvântului, dacă este situată la începutul, mijlocul sau sfârşitul unui cuvânt, s-a<br />
urmărit introducerea în listă a silabelor în aceste contexte diferite în care ele pot să apară. Astfel,<br />
s-a făcut diferenţierea între silabe finale (FIN), pe de o parte, şi silabe iniţiale şi mediane (MED),<br />
pe de altă parte.<br />
Corpusul de cuvinte folosit pentru extragerea unităţilor acustice a fost alcătuit atât din<br />
propoziţii şi cuvinte normale care conţineau silabele dorite, precum şi din cuvinte artificiale<br />
folosite pentru a evidenţia mai bine un anumit grup de foneme.<br />
Generarea seturilor de cuvinte a ţinut cont de tipul silabelor: accentuate (ACC), respectiv<br />
neaccentuate (NA), cât şi de contextul acestora: silabe mediane (MED) sau finale (FIN).<br />
Cuvintele artificiale includ silabele în contextele necesare, folosindu-se silabe auxiliare<br />
predefinite (de exemplu silaba /ta/).<br />
De exemplu pentru categoria S2 a fost generat următorul set de cuvinte :<br />
MED<br />
FIN<br />
NA ACC NA ACC ...<br />
ta - ba - tá<br />
ta - ca - tá<br />
…<br />
ta - za - tá<br />
tá - ta - ba<br />
tá - ta - ca<br />
…<br />
tá - ta - za<br />
ta - bá - ta<br />
ta - cá - ta<br />
…<br />
ta - zá - ta<br />
ta - ta - bá<br />
ta - ta - cá<br />
…<br />
ta - ta - zá<br />
247<br />
ta - be - tá<br />
ta - ce - tá<br />
…<br />
ta - ze - tá<br />
tá - ta - be<br />
tá - ta - ce<br />
…<br />
tá - ta - ze<br />
ta - bé - ta<br />
ta - cé - ta<br />
…<br />
ta - zé - ta<br />
ta - ta - bé<br />
ta - ta - cé<br />
…<br />
ta - ta - zé<br />
Din acest set au fost excluse combinaţiile care generează contexte improbabile pentru<br />
limba română (în majoritate silabe accentuate în context final). Alte silabe de acest gen au rămas<br />
în set chiar dacă în dicţionar nu există cuvinte care să le conţină în contextul respectiv.<br />
…<br />
…
Change language