Teza doctorat (pdf) - Universitatea Tehnică

8. Concluzii finale
Cercetările efectuate în cadrul tezei au avut ca scop final dezvoltarea unei metode de
sinteză a vorbirii adaptată specific limbii române precum şi a unei metodologii de lucru în
vederea construirii unui sistem de sinteză vocală automată.
Pentru aceasta, au fost studiate mai întâi modul de producere şi de percepţie a sunetului,
proprietăţile fizice-acustice ale sunetului precum şi cele rezultate ca urmare a modelării sunetului
ca un semnal. Au fost studiate modalităţile de procesare ale sunetului şi a fost dezvoltată o
aplicaţie specială prin intermediul căreia au fost efectuate mai multe experimente în scopul
îmbunătăţirii calităţii semnalului vorbit. S-au studiat diferite modalităţi de analiză a semnalului
vocal, pentru extragerea şi modelarea parametrilor caracteristici. A fost creată o metodă proprie
de segmentare a semnalului vocal capabilă să detecteze clase de regiuni cu proprietăţi specifice
din semnalul vorbit, şi să le pună în corespondenţă cu tipurile de foneme din limba română.
Această facilitate a fost utilizată pentru extragerea unităţilor acustice din semnalul vocal, unităţi
ce vor fi folosite în procesul de sinteză.
Mai departe, au fost studiate metodele cele mai performante de sinteză a vorbirii
existente în momentul actual, ajungându-se la concluzia că metodele de sinteză bazate pe
concatenarea unităţilor acustice de mărime medie/mică au raportul calitate/costuri cel mai
avantajos. A fost aleasă astfel spre dezvoltare o metodă de sinteză bazată pe concatenarea
silabelor.
S-au definit în continuare paşii principali care trebuie urmaţi pentru ca, pornind de la un
text de sintetizat, să se ajungă la generarea semnalului vocal corespondent. Mai întâi textul
trebuie prelucrat în scopul transcrierii literale a numerelor şi abrevierilor. Apoi, textul va trebui
să treacă printr-o fază de corectare ortografică, pentru a ne asigura că în faza de sinteză nu se vor
produce distorsiuni ale rostirii datorită erorilor de sintaxă. Din textul corectat, se vor detecta apoi
unităţile lingvistice de tipul silabelor împreună cu informaţia de accent, care va asigura prozodia
segmentală a rostirii generate. Pentru fiecare din aceste etape amintite, şi anume: preprocesare,
analiză de sintaxă, despărţirea în silabe, detectarea accentuării, s-au construit analizoare lexicale
şi seturi de reguli speciale cu care s-au obţinut performanţe ridicate în analiza lingvistică a
textului de sintetizat.
A fost necesară proiectarea unei baze de date vocale care să furnizeze unităţile acustice
necesare sintezei. Includerea unităţilor silabice în baza de date a ţinut cont de o statistică a
silabelor din limba română, statistică ce a fost realizată utilizând analizorul propriu pentru
despărţirea cuvintelor în silabe.
În final, metoda de sinteză a fost implementată şi testată într-un sistem de sinteză vocală
numit LIGHTVOX. Au fost definiţi paşii necesari în realizarea sistemului, care a decurs pe două
direcţii principale: construirea bazei de date şi conversia text-voce. Rezultatele practice obţinute
cu acest sistem de sinteză vocală au dovedit viabilitatea metodei propuse, a metodologiei de
lucru, justificând eforturile depuse de autor pe durata a şase ani de studii şi cercetări în domeniul
procesării automate a limbajului şi prelucrării semnalului vocal.
266