Teza doctorat (pdf) - Universitatea Tehnică

Cap. 7. Proiectarea sistemului de sinteză de voce în limba română
funcţie de caracteristicile unităţii lingvistice: lungime, context şi accentuare (a se vedea
paragraful 6.4.7). Pot exista următoarele situaţii:
- Unitatea este regăsită identic în baza de date vocală, din punct de vedere fonetic,
contextual şi prozodic. În acest caz unitatea se reţine ca atare pentru a fi înglobată în textul
sintetizat.
- Unitatea este regăsită fonetic, dar nu prozodic sau contextual. Se preferă, în acest caz,
construirea acesteia din subunităţi sau foneme separate, care să respecte în primul rând prozodia
cerută (unitate accentuată sau neaccentuată), şi apoi, dacă este posibil, contextul specificat.
- Unitatea nu este regăsită fonetic în baza de date. Şi în acest caz ea va fi construită pe
baza subunităţilor componente, găsite în baza de date.
f) Îmbinarea unităţilor: unităţile acustice găsite în baza vocală prin algoritmul expus mai
sus se vor concatena pentru a genera semnalul de ieşire. Concatenarea se face ţinând cont de
pauza dintre cuvinte, pauză care se va ajusta în funcţie de ritmul necesar pentru vorbire.
g) Ultima fază este cea de sinteză propriu-zisă, în care formele de undă corespunzătoare
textului de la intrare (generate în etapa precedentă) vor fi redate sonor prin intermediul plăcii
audio a calculatorului.
7.4. Algoritmul de implementare al conversiei text-voce
În acest paragraf este prezentat algoritmul de implementare al procesului on-line al
sistemului: conversia text-voce. Algoritmul porneşte de la un text sursă trecut prin fazele de
preprocesare şi corectare ortografică, realizând următoarele acţiuni: analiza lingvistică în scopul
determinării silabelor, analiza prozodică pentru determinarea accentelor, potrivirea unităţilor şi
sinteza de voce. Algoritmul general este prezentat în diagrama 1.
La început, parserul de text apelează analizorul lexical (denumit Silabe_Lex) pentru
determinarea silabelor, respectiv a separatorilor. Cele două tipuri de unităţi lexicale sunt
procesate de către subrutinele Procesare_Silabă, respectiv Procesare_Separator. Silabele
urmate de un separator sunt grupate pentru a forma un cuvânt.
Cuvântul curent este prelucrat mai departe în subrutina Procesare_Cuvânt, mai multe
cuvinte formând o propoziţie. După fiecare cuvânt regăsit de la intrare, se apelează analizorul
lexical pentru determinarea accentelor, adică a silabei accentuate din cuvânt.
Apoi subrutina Potrivire_unităţi realizează funcţia de punere în corespondenţă între
unităţile regăsite din textul de la intrare şi unităţile acustice memorate în baza de date. Potrivirea
se face la nivelul silabelor pentru fiecare cuvânt din propoziţie. În urma acestei operaţiuni rezultă
un fişier de tip wave care este sintetizat prin intermediul subrutinei Rostire.
Algoritmul de parcurgere a intrării este ilustrat în diagrama 2. Se iniţializează mai întâi
stream-ul de intrare – textul care trebuie sintetizat (funcţia Init_Stream). Apoi se apelează
analizorul lexical yylex( ) pentru despărţirea în silabe. Analizorul returnează fie o silabă, fie un
separator, fie caracterul sfârşit de fişier, dacă s-a ajuns la sfârşitul stream-ului de intrare. Silaba
se tratează în procedura Procesare_Silabă, iar separatorul în procedura Procesare_Separator,
ambele figurate în diagrama 3.
254