First steps towards new Czech voice conversion system

Result code in IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F06%3A00000020" target="_blank" >RIV/49777513:23520/06:00000020 - isvavai.cz</a>

Result on the web

—

DOI - Digital Object Identifier

—

Result language

angličtina

Original language name

First steps towards new Czech voice conversion system

Original language description

In this paper we deal with initial experiments on creating a new Czech voice conversion system. VC is a process which modifies the speech signal produced by source speaker so that it sounds like target speaker. Using VC technique a new voice for speech synthetizer can be gained with no need to record a huge amount of new speech data. The transformation is determined using equal sentences from both speakers; these sentences are time-aligned using modified DTW algorithm. The conversion is divided into twoindependent stages corresponding to the source-filter model of speech production. We employ conversion function based on GMM for transforming the spectral envelope described by LSFs. Residua are converted using so called residual prediction techniques.Unlike in other similar research works, we predict residua not from the transformed spectral envelope, but directly from the source speech. Four versions of residual prediction are described and compared in this study.

Czech name

První krůčky k novému českému systému pro konverzi řeči

Czech description

V tomto článku je popsáno několik počátečních experimentů při tvorbě nového českého systému pro konverzi řeči, což je proces, při kterém je transformována promluva od výchozího řečníka tak, aby zněla, jako by ji vyslovil cílový řečník. Použitím této techniky můžeme získat nový hlas pro řečový syntetizér bez nutnosti nahrávání velkého množství promluv od nového řečníka.

Type

D - Article in proceedings

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

2006

Confidentiality

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

Article name in the collection

Lecture Notes in Artificial Intelligence

ISBN

3-540-39090-1

ISSN

—

e-ISSN

—

Number of pages

8

Pages from-to

—

Publisher name

Springer

Place of publication

Berlin

Event location

Brno

Event date

Sep 15, 2006

Type of event by nationality

WRD - Celosvětová akce

UT code for WoS article

000241103500048