Teza doctorat (pdf) - Universitatea Tehnică

7.3.2. Conversia text-voce
Cap. 7. Proiectarea sistemului de sinteză de voce în limba română
Conversia text-voce reprezintă a doua fază, ce decurge on-line, în funcţionarea sistemului
LIGHTVOX şi cuprinde toate etapele ce trebuie parcurse pentru ca dintr-un text iniţial să se
genereze vorbirea sintetică asociată.
Etapele componente ale acestei faze sunt următoarele :
a) preprocesarea textului,
b) corectarea ortografică,
c) detecţia unităţilor lingvistice,
d) determinarea prozodiei locale,
e) regăsirea unităţilor acustice,
f) îmbinarea unităţilor,
g) sinteza de voce.
Toate aceste etape au fost descrise pe larg în cadrul prezentării metodei de sinteză bazată
pe silabe din secţiunea 6.4.
a) Preprocesarea textului a fost descrisă în paragraful 6.4.2. Pe baza unor reguli de
conversie fonetică, abrevierile şi numerele din textul iniţial au fost transcrise fonetic în vederea
sintezei.
b) Corectarea ortografică este a doua etapă necesară pentru o sinteză corectă a textului.
Pentru implementarea acestei etape, a fost proiectat un analizor gramatical şi un set de reguli de
analiză a sintaxei, obţinându-se o rată de recunoaştere a erorilor de 98% (paragraful 6.4.3).
La intrarea analizorului se prezintă textul iniţial, ce conţine cuvinte în limba română în
diferite forme flexionate. Pe baza setului de reguli proiectat, analizorul generează forma de bază,
neflexionată, a fiecărui cuvânt de la intrare şi o caută într-un dicţionar. O interfaţă grafică va
pune apoi în evidenţă cuvintele care au o sintaxă greşită sau care nu au fost potrivite cu setul de
reguli din analizor.
c) Etapa următoare o reprezintă determinarea unităţilor de bază din textul corectat
ortografic. Aceste unităţi de bază sunt: propoziţiile, cuvintele şi silabele fiecărui cuvânt.
Propoziţiile şi cuvintele se determină pe baza unui analizor sintactic, iar silabele printr-un
analizor lexical (a se vedea paragraful 6.4.4). Analizorul lexical pentru determinarea silabelor
cuprinde un set de peste 180 de reguli pentru descompunerea cuvintelor în silabe, performanţa
obţinută fiind de 98% cuvinte despărţite corect.
d) Determinarea prozodiei locale urmează după etapa extragerii unităţilor lingvistice din
text. Prozodia locală se referă aici la determinarea accentelor din cadrul cuvintelor. Utilizarea în
sinteză atât a unităţilor accentuate cât şi a unităţilor neaccentuate a dus la obţinerea unei rostiri
de calitate mult mai naturală. Determinarea accentelor, prezentată în paragraful 6.4.5, s-a realizat
tot prin intermediul unui analizor lexical şi a unui set de reguli fonetice. Analizorul lexical
cuprinde un set de 250 de reguli pentru detectarea silabei accentuate din interiorul cuvintelor,
obţinându-se o rată de detectare corectă a accentului de 94%.
e) După determinarea unităţilor lingvistice din text împreună cu elementele de prozodie,
urmează etapa de regăsire a unităţilor acustice din baza de date vocală. Regăsirea se face în
253