On modelling syllables in text-to-speech synthesis

Result code in IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F05%3A00000035" target="_blank" >RIV/49777513:23520/05:00000035 - isvavai.cz</a>

Result on the web

—

DOI - Digital Object Identifier

—

Result language

angličtina

Original language name

On modelling syllables in text-to-speech synthesis

Original language description

In this paper, an attempt to use syllables as alternative acoustic units to phones in text-to-speech tasks is presented. We proposed, examined and evaluated several options of syllable modelling within the scope of the statistical approach (using HMMs) to the acoustic unit inventory creation. To be able to synthesize an arbitrary text, the inventory has to be extended with triphones, resulting in a hybrid syllable/triphone inventory. First, we did not reflect the phonetic contexts of the syllables, because we supposed that the most of co-articulation is included inside syllables. Next, we also tried to model the context-dependent syllables. However, it is not viable to take each individual phone as a context. Therefore, each context was formed by a group of acoustically similar phones. Several listening tests were performed to rate the quality of the resulting synthetic speech.

Czech name

Modelování slabik v syntéze řeči z textu

Czech description

V tomto článku ukazujeme možnosti využití slabik jako alternativních akustických jednotek k fonémům v úloze syntézy řeči z textu. Navrhujeme, realizujeme a vyhodnocujeme několik možností modelování slabik v rámci statistického přístupu k vytváření inventáře řečových jednotek (s využitím HMM). Abychom bylo možné syntetizovat libovolný text, inventář musel být rozšířen o trifóny; výsledkem je hybridní slabiko-trifónový inventář. Nejprve jsme uvažovali slabiky jako kontextově nezávislé, vycházeje z předpokladu, že nejsilnější koartikulace je uzavřena právě uvnitř slabiky. Dále jsme zkusili modelovat slabiky včetně kontextu, jelikož ale není možné brát jednotliv

Type

J_x - Unclassified - Peer-reviewed scientific article (Jimp, Jsc and Jost)

CEP classification

JD - Use of computers, robotics and its application

OECD FORD branch

—

Project

<a href="/en/project/1ET101470416" target="_blank" >1ET101470416: Multimodal human sign language and speech processing for man-machine communication</a><br>

Continuities

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Publication year

2005

Confidentiality

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Name of the periodical

Studientexte zur Sprachkommunikation

ISSN

0940-6832

e-ISSN

—

Volume of the periodical

—

Issue of the periodical within the volume

—

Country of publishing house

DE - GERMANY

Number of pages

8

Pages from-to

438

UT code for WoS article

—

EID of the result in the Scopus database

—