Teza doctorat (pdf) - Universitatea Tehnică

Teza doctorat (pdf) - Universitatea Tehnică Teza doctorat (pdf) - Universitatea Tehnică

users.utcluj.ro
from users.utcluj.ro More from this publisher
15.06.2013 Views

274 Cap. 8. Concluzii finale - nivelul Categorie : silabe de două, trei sau patru foneme (S2, S3, S4); - nivelul Context : segment median sau final, relativ la poziţia din cadrul cuvântului; - nivelul Accent : silabe accentuate sau neaccentuate în interiorul cuvântului; - nivelul Silabă : unităţile acustice înregistrate în format WAVE. 8) Proiectarea şi implementarea unui algoritm de regăsire în baza de date a unităţilor acustice în funcţie de caracteristicile acestora: lungime, context şi accentuare. Algoritmul construieşte seturile de diviziune pentru fiecare silabă şi realizează o potrivire optimă cu unităţile din baza de date vocală, asigurându-se astfel o redare sonoră cât mai fidelă a unităţii lingvistice din text. 13. Proiectarea şi implementarea unui sistem de sinteză vocală adaptat special limbii române, ce foloseşte ca şi unităţi fonetice silabele, numit LIGHTVOX. Sistemul a fost conceput ca un sistem text-to-speech, în care sinteza vorbirii se realizează pornind de la un text în limba română. Sistemul utilizează metoda de sinteză pe bază de silabe dezvoltată de autor. A fost propusă o metodologie de proiectare a sistemului de sinteză de voce, urmărind două direcţii principale: construirea bazei de date acustice şi conversia text-voce. Construirea bazei de date a inclus următoarele etape: înregistrarea eşantioanelor de voce, normalizarea semnalului, segmentarea semnalului în regiuni, segmentarea fonematică, separarea unităţilor acustice şi construirea bazei de date. Conversia text-voce include etapele: preprocesarea textului, corectarea ortografică, detecţia unităţilor lingvistice, determinarea prozodiei locale, regăsirea unităţilor acustice, îmbinarea unităţilor şi sinteza de voce. Implementarea prototipului sistemului LIGHTVOX s-a făcut pe o structură modulară având cinci componente: - modulul de analiză lingvistică, având sarcina de a face analiza textului de la intrare în scopul extragerii unităţilor fonetice de bază - silabele; - modulul de analiză prozodică, ce urmăreşte detectarea elementelor de prozodie segmentală, respectiv a accentelor din cadrul cuvintelor; - modulul de gestiune a bazei de date vocale, care efectuează toate operaţiunile legate de baza de date ce conţine unităţile acustice; - modulul de potrivire a unităţilor fonetice, ce asigură punerea în cores-pondenţă între silabele extrase din textul de sintetizat şi silabele existente în baza de date vocală; - modulul de sinteză propriu-zisă a rostirii, care realizează concatenarea formelor de undă şi produce sinteza propriu-zisă. Acest prototip al sistemului LIGHTVOX a fost implementat în limbajul Visual C++ şi testat pe un calculator Pentium, rezultatele experimentale arătând o calitate bună a sintezei rostirii, având un grad ridicat de fluenţă şi naturaleţe. 14. Generarea bazei de date vocale pentru sistemul de sinteză, alcătuită dintr-un subset al silabelor limbii române. Silabele au fost înregistrate în diferite contexte şi moduri de pronunţie, incluzând aspectele prozodice intrasegmentale (accentuaţia). În baza de date au fost înregistrate aproximativ 600 de unităţi acustice, foneme şi silabe, considerând atât silabele de segment median şi final, cât şi silabele accentuate şi neaccentuate: 386 de silabe alcătuite din două foneme, 139 de silabe tri-fonematice, 37 de silabe tetra-fonematice şi 36 de foneme singulare.

275 Cap. 8. Concluzii finale În concluzie, se poate spune că cercetările făcute de autor pe parcursul tezei s-au concretizat în: dezvoltarea unei metode de analiză automată a semnalului vocal, dezvoltarea unei metode de sinteză a vorbirii adaptată specific limbii române, stabilirea unei metodologii de lucru în scopul construirii unui sistem de sinteză vocală automată, precum şi în implementarea unui prototip al unui sistem de sinteză de voce pentru limba română. Utilizând ca unităţi lingvistice silabele, metoda de sinteză proiectată se integrează în categoria metodelor de calitate superioară, bazate pe concatenare. Metoda este adaptată specific limbii române, şi propune ca noutate o abordare bazată pe reguli. Astfel, metodologia de proiectare dezvoltată oferă posibilitatea construirii unui sistem de sinteză vocală utilizând atât procedee specifice prelucrării de semnal, cât şi metode specifice inteligenţei artificiale şi lingvisticii computaţionale, metode bazate pe reguli şi seturi de cunoştinţe. Au fost concepute reguli specifice de procesare în cele mai importante etape de proiectare a unui sistem de sinteză vocală: în etapa de analiză şi procesare a textului, pentru detecţia unităţilor lingvistice din text şi în etapa de construire a bazei de date vocale, pentru extragerea unităţilor acustice din semnalul vocal. Prototipul sistemului de sinteză vocală realizat demonstrează viabilitatea metodei proiectate de autor, oferă posibilitatea dezvoltării unor aplicaţii de mare importanţă în domeniul comunicării om-maşină, dar şi de mare utilitate pentru persoane cu nevoi speciale. Rezultatele obţinute au fost prezentate în cadrul unor conferinţe interne şi internaţionale, au fost publicate în reviste şi cărţi de specialitate. Au fost publicate un număr de 20 de articole şi o carte în domeniul tezei. Considerăm astfel că cercetările efectuate în cadrul doctoratului îndeplinesc obiectivele propuse iniţial, justificând eforturile depuse de autor pe o durată de 6 ani. De asemeni, având în vedere rezultatele obţinute, punctele de noutate şi perspectivele de aplicabilitate practică, considerăm că aceste cercetări contribuie la dezvoltarea domeniului analizei şi procesării vorbirii pe plan intern şi internaţional.

274<br />

Cap. 8. Concluzii finale<br />

- nivelul Categorie : silabe de două, trei sau patru foneme (S2, S3, S4);<br />

- nivelul Context : segment median sau final, relativ la poziţia din cadrul cuvântului;<br />

- nivelul Accent : silabe accentuate sau neaccentuate în interiorul cuvântului;<br />

- nivelul Silabă : unităţile acustice înregistrate în format WAVE.<br />

8) Proiectarea şi implementarea unui algoritm de regăsire în baza de date a unităţilor<br />

acustice în funcţie de caracteristicile acestora: lungime, context şi accentuare. Algoritmul<br />

construieşte seturile de diviziune pentru fiecare silabă şi realizează o potrivire optimă cu unităţile<br />

din baza de date vocală, asigurându-se astfel o redare sonoră cât mai fidelă a unităţii lingvistice<br />

din text.<br />

13. Proiectarea şi implementarea unui sistem de sinteză vocală adaptat special limbii<br />

române, ce foloseşte ca şi unităţi fonetice silabele, numit LIGHTVOX. Sistemul a fost conceput<br />

ca un sistem text-to-speech, în care sinteza vorbirii se realizează pornind de la un text în limba<br />

română. Sistemul utilizează metoda de sinteză pe bază de silabe dezvoltată de autor.<br />

A fost propusă o metodologie de proiectare a sistemului de sinteză de voce, urmărind<br />

două direcţii principale: construirea bazei de date acustice şi conversia text-voce. Construirea<br />

bazei de date a inclus următoarele etape: înregistrarea eşantioanelor de voce, normalizarea<br />

semnalului, segmentarea semnalului în regiuni, segmentarea fonematică, separarea unităţilor<br />

acustice şi construirea bazei de date. Conversia text-voce include etapele: preprocesarea textului,<br />

corectarea ortografică, detecţia unităţilor lingvistice, determinarea prozodiei locale, regăsirea<br />

unităţilor acustice, îmbinarea unităţilor şi sinteza de voce.<br />

Implementarea prototipului sistemului LIGHTVOX s-a făcut pe o structură modulară<br />

având cinci componente:<br />

- modulul de analiză lingvistică, având sarcina de a face analiza textului de la intrare în<br />

scopul extragerii unităţilor fonetice de bază - silabele;<br />

- modulul de analiză prozodică, ce urmăreşte detectarea elementelor de prozodie<br />

segmentală, respectiv a accentelor din cadrul cuvintelor;<br />

- modulul de gestiune a bazei de date vocale, care efectuează toate operaţiunile legate de<br />

baza de date ce conţine unităţile acustice;<br />

- modulul de potrivire a unităţilor fonetice, ce asigură punerea în cores-pondenţă între<br />

silabele extrase din textul de sintetizat şi silabele existente în baza de date vocală;<br />

- modulul de sinteză propriu-zisă a rostirii, care realizează concatenarea formelor de undă<br />

şi produce sinteza propriu-zisă.<br />

Acest prototip al sistemului LIGHTVOX a fost implementat în limbajul Visual C++ şi<br />

testat pe un calculator Pentium, rezultatele experimentale arătând o calitate bună a sintezei<br />

rostirii, având un grad ridicat de fluenţă şi naturaleţe.<br />

14. Generarea bazei de date vocale pentru sistemul de sinteză, alcătuită dintr-un subset al<br />

silabelor limbii române. Silabele au fost înregistrate în diferite contexte şi moduri de pronunţie,<br />

incluzând aspectele prozodice intrasegmentale (accentuaţia). În baza de date au fost înregistrate<br />

aproximativ 600 de unităţi acustice, foneme şi silabe, considerând atât silabele de segment<br />

median şi final, cât şi silabele accentuate şi neaccentuate: 386 de silabe alcătuite din două<br />

foneme, 139 de silabe tri-fonematice, 37 de silabe tetra-fonematice şi 36 de foneme singulare.

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!