Java e Shkencës 2012 - Universiteti i Prishtinës

KONFERENCA VJETORE E SHKENCËS ‘JAVA E SHKENCËS 2012
janë bashktingëllore dhe 7 janë zanore. Në grupin e bashkëtingëlloreve, 9 janë
dysimbolëshe-bigrame (dh, gj, ll, nj, rr, sh, th, xh, zh). Për t’i ikur leximit të gabuar të tyre,
ato duhet të gjenerojnë tingull të veçantë. Një gjë e tillë duhet të parashihet në algoritmin
(dhe më pas aplikacionet) për sintezën e të folurit. Vetia e gjuhës shqipe, e leximit të çdo
shkronje në një mënyrë unike (të vetme), pa marrë parasysh pozitën se ku ndodhet paraqet
një element të rëndësishëm lehtësues gjatë sintezës së të folurit artificial.
Fjalori i gjuhës shqipe përmbanë më tepër se 40 000 fjalëve. Duke pasur parasysh
edhe trajtat e fjalëve bazë, gjatë shkruarjes së teksteve numri i tyre kalon një milion
variacione fjalësh. Për këtë arsye, incizimi i fajllave akustik të të gjitha fjalëve dhe trajtave të
tyre dhe pastaj bashkimi i tyre në fjali, është praktikisht një gjë e pamundur.
Mirëpo, sikur edhe te gjuhët e tjera, jo të gjitha fjalët përdoren me shpeshtësi (frekuencë) të
njejtë. Një numër relativisht i vogël
i fjalëve përbëjnë pjesën më të
madhe të teksteve dhe të të folurit të
përditshëm. Në bazë të një statistike
[1], janë fituar rezultatet e fjalëve që
përdoren më shpeshë në gjuhën
shqipe (shih figurën 1).
Figura 1. Frekuenca e 40 fjalëve
më të përdorura të gjuhës shqipe
Kjo statistikë ka një rëndësi
të veçantë gjatë dizajnimit të
sistemit TTS (Text-To-Speech) për
gjuhën shqipe. Rëndësia kryesore
qëndron në faktin që këto fjalë
mund të incizohen si segmente të
veçanta akustike dhe më pas të përdoren për gjenerim të fjalive të ndryshme. Në këtë mënyrë
zvogëlohet nevoja për bashkimin e segmenteve më të shkurtëra akustike, gjë që do ta
dëmtonte cilësinë e fjalëve të gjeneruara. Natyrisht, rritja e cilësisë për fjalët më të shpeshta
ka ndikim të madh në cilësinë e gjithmbarshme të tekstit, sepse pesha e tyre në tekst është e
madhe. Nëse numri i këtyre fjalëve rritet, atëherë rritet edhe cilësia e konvertimit të tekstit të
shkruar në të folur. Mirëpo, numri shumë i madh i fjalëve bënë që baza e të dhënave me
segmente akustike të rritet, me ç’rast edhe shpejtësia e aplikacionit ulet. Në bazë të testimeve
të para, mund të themi se numri prej disa qindra fjalëve më të përdorura është një madhësi
optimale për dizajnimin e sistemit për konvertim [1].
Fjalët tjera që nuk përfshihen në këtë grup (në grupin e fjalëve më të përdorura) formohen
me bashkimin e segmenteve më të vogla akustike: dyshkronjësheve dhe shkronjave të
veçanta.
Numri i përgjithshëm i dyshkronjësheve është 1296. Nga ky grup mund të përjashtohen disa
nga dyshkronjëshet që nuk përdoren, kështu që numri real i dyshkronjësheve është pak më
tepër se njëmijë. Si segmente akustike duhet të ruhen edhe 36 shkronjat e alfabetit.
Këto tri grupe segmentesh akustike (fjalët, dyshkronjëshet dhe shkronjat),
përkatësisht fajllat akustik përkatës e paraqesin bazën me të dhëna e cila mund të
shfrytëzohet për konvertimin e teksteve të shkruara në të folur.
~ 345 ~