První krůčky k novému českému systému pro konverzi řeči

Kód výsledku v 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>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

First steps towards new Czech voice conversion system

Popis výsledku v původním jazyce

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.

Název v anglickém jazyce

First steps towards new Czech voice conversion system

Popis výsledku anglicky

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.

Druh

D - Stať ve sborníku

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

2006

Kód důvěrnosti údajů

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

Název statě ve sborníku

Lecture Notes in Artificial Intelligence

ISBN

3-540-39090-1

ISSN

—

e-ISSN

—

Počet stran výsledku

8

Strana od-do

—

Název nakladatele

Springer

Místo vydání

Berlin

Místo konání akce

Brno

Datum konání akce

15. 9. 2006

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000241103500048