Návrh, implementace a vyhodnocení české realistické audiovizuální syntézy řeči

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F06%3A00000105" target="_blank" >RIV/49777513:23520/06:00000105 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/49777513:23520/06:00000011 RIV/49777513:23520/06:00000017

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Design, implementation and evaluation of the Czech realistic audio-visual speech synthesis

Popis výsledku v původním jazyce

This paper presents the whole process of design, implementation and evaluation of the audio-visual speech synthesis system. Such system consists of the acoustic synthesis emulating human speech and the facial animation emulating the human lip articulation. The acoustic speech synthesis is based on concatenation of speech units. The visual subsystem is designed as a realistic, fully three-dimensional parametrically controllable facial animation model. The design, acquisition and processing of audio-visual speech corpus for such purpose is presented. Also, solution to the problem of mapping visual parameters from speech signal either directly or through recognized text is presented. Furthermore, the 3D scanning algorithm is presented. In the end of thispaper, evaluation of intelligibility of the presented audio-visual speech synthesis and its possible applications are presented.

Název v anglickém jazyce

Design, implementation and evaluation of the Czech realistic audio-visual speech synthesis

Popis výsledku anglicky

This paper presents the whole process of design, implementation and evaluation of the audio-visual speech synthesis system. Such system consists of the acoustic synthesis emulating human speech and the facial animation emulating the human lip articulation. The acoustic speech synthesis is based on concatenation of speech units. The visual subsystem is designed as a realistic, fully three-dimensional parametrically controllable facial animation model. The design, acquisition and processing of audio-visual speech corpus for such purpose is presented. Also, solution to the problem of mapping visual parameters from speech signal either directly or through recognized text is presented. Furthermore, the 3D scanning algorithm is presented. In the end of thispaper, evaluation of intelligibility of the presented audio-visual speech synthesis and its possible applications are presented.

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

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění

2006

Kód důvěrnosti údajů

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

Název periodika

Signal Processing

ISSN

0165-1684

e-ISSN

—

Svazek periodika

—

Číslo periodika v rámci svazku

—

Stát vydavatele periodika

NL - Nizozemsko

Počet stran výsledku

17

Strana od-do

3657

Kód UT WoS článku

—

EID výsledku v databázi Scopus

—