Teza doctorat (pdf) - Universitatea Tehnică

Cap. 7. Proiectarea sistemului de sinteză de voce în limba română
Se observă că interfaţa utilizator este simplă, uşor de utilizat chiar şi de către persoane cu
disabilităţi vizuale; ea permite efectuarea următoarelor operaţii:
1. Operaţii efectuate asupra textului sursă :
a) deschiderea unui fişier text în fereastra aplicaţiei (fişierul poate fi în format ASCII sau
RTF): meniul File/Open, respectiv ALT+FO de la tastatură ;
b) editarea textului direct în fereastra aplicaţiei : scriere/ştergere/selectare ;
c) import/export de text dinspre/spre alte aplicaţii, prin intermediul Clipboard-ului:
operaţiile COPY/CUT/PASTE (comenzile CTRL+C, CTRL+X, CTRL+V);
c) salvarea textului pe hard-disk în cele două formate ASCII şi RTF: meniul File/Save,
respectiv ALT+FS de la tastatură ;
2. Analiza lexicală a textului :
a) despărţirea în silabe : toolbar button 1 sau comanda ALT+OS ;
b) determinarea accentuaţiei : apăsarea succesivă a butonului 1
sau comanda ALT+OA;
3. Sinteza vocală a textului :
a) sinteza întregului text din fereastra aplicaţiei: butonul 2 sau tasta F1. Sinteza textului
poate fi oprită prin tasta ESC şi repornită din locul rămas (prin comanda F1) ;
b) sinteza propoziţiei curente (propoziţia indicată de cursor): butonul 3 sau tasta F2;
c) sinteza cuvântului curent (indicat de poziţia cursorului) : butonul 4 sau tasta F3.
Aplicaţiile sistemului de sinteză vocală LIGHTVOX
a. Sistemul se poate utiliza direct de către persoane cu disabilităţi vizuale sau
nevăzători pentru citirea automată a textelor, prin utilizarea de comenzi simple de la tastatură ;
b. Extinderea sistemului se poate face uşor şi pentru alte aplicaţii pentru nevăzători,
precum: scrierea de texte asistată vocal de către calculator, aplicaţii de poştă electronică, citirea
paginilor WEB, aplicaţii de tip bibliotecă electronică pentru nevăzători (în care, printr-un meniu
interactiv vocal, nevăzătorul să-şi poată selecta un autor, o carte în format electronic, şi un
capitol din acea carte, pe care sistemul îl va putea citi prin vocea sintetizată), etc.
Rezultate şi observaţii experimentale
În privinţa rezultatelor şi observaţiilor experimentale, s-a constatat o audiţie
satisfăcătoare a textului sintetizat, care respectă prozodia segmentală (accentuarea cuvintelor) din
limba română. Ceea ce se observă este fluenţa rostirii şi un grad ridicat de naturaleţe. Ca şi
îmbunătăţiri viitoare, este clar că folosirea unor condiţii profesioniste de înregistrare a
semnalului vocal şi utilizarea unei voci cu calităţi acustice superioare pot duce la creşterea
semnificativă a calităţii rostirii sintetizate.
Desigur că, pentru crearea unei noi baze de date vocale, de mare însemnătate va fi
îmbunătăţirea algoritmilor de segmentare a semnalului vocal. Aceşti algoritmi, pe baza unei
adnotări a corpusului textual folosit pentru crearea bazei de date vocale, vor fi capabili să extragă
în mod automat unităţile fonetice silabice din semnalul vorbit.
261