Modelování slabik v syntéze řeči z textu

Kód výsledku v 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>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

On modelling syllables in text-to-speech synthesis

Popis výsledku v původním jazyce

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.

Název v anglickém jazyce

On modelling syllables in text-to-speech synthesis

Popis výsledku anglicky

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.

Druh

J_x - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

CEP obor

JD - Využití počítačů, robotika a její aplikace

OECD FORD obor

—

Projekt

<a href="/cs/project/1ET101470416" target="_blank" >1ET101470416: Multimodální zpracování lidské znakové a mluvené řeči počítačem pro komunikaci člověk-stroj</a><br>

Návaznosti

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

Rok uplatnění

2005

Kód důvěrnosti údajů

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

Název periodika

Studientexte zur Sprachkommunikation

ISSN

0940-6832

e-ISSN

—

Svazek periodika

—

Číslo periodika v rámci svazku

—

Stát vydavatele periodika

DE - Spolková republika Německo

Počet stran výsledku

8

Strana od-do

438

Kód UT WoS článku

—

EID výsledku v databázi Scopus

—