Minimalizace velikosti databáze řečových jednotek v úloze konkatenační syntézy řeči

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F06%3A00000536" target="_blank" >RIV/49777513:23520/06:00000536 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/49777513:23520/06:00000105

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

On Minimizing the Size of Speech Unit Database in Concatenative Speech Synthesis

Popis výsledku v původním jazyce

In this paper, minimization of speech unit database is researched in order to have a compact speech unit database yielding a "good enough" synthetic speech usable also for low-resource devices. We focused mainly on HMM-based speech unit database preparation, a process which prepares a set of context-dependent phones (triphones) by means of HMM modelling, CART-based clustering, and HMM-based segmentation in a fully automatic way. Three experiments are described in the paper: the first one concerns the size of the source speech corpus, the second one deals with the triphone clustering process, and the last one concerns the modelling of the cross-word dependencies. The final minimised system exploits techniques used in all three experiments. The size of the resulting speech unit database decreased from 28.1 to 1.6 MB. The resulting synthetic speech was then judged by means of CCR listening tests and evaluated as "slightly worse" than speech generated by the baseline system.

Název v anglickém jazyce

On Minimizing the Size of Speech Unit Database in Concatenative Speech Synthesis

Popis výsledku anglicky

In this paper, minimization of speech unit database is researched in order to have a compact speech unit database yielding a "good enough" synthetic speech usable also for low-resource devices. We focused mainly on HMM-based speech unit database preparation, a process which prepares a set of context-dependent phones (triphones) by means of HMM modelling, CART-based clustering, and HMM-based segmentation in a fully automatic way. Three experiments are described in the paper: the first one concerns the size of the source speech corpus, the second one deals with the triphone clustering process, and the last one concerns the modelling of the cross-word dependencies. The final minimised system exploits techniques used in all three experiments. The size of the resulting speech unit database decreased from 28.1 to 1.6 MB. The resulting synthetic speech was then judged by means of CCR listening tests and evaluated as "slightly worse" than speech generated by the baseline system.

Druh

D - Stať ve sborníku

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)

Rok uplatnění

2006

Kód důvěrnosti údajů

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

Název statě ve sborníku

Speech Processing

ISBN

80-86269-15-9

ISSN

—

e-ISSN

—

Počet stran výsledku

7

Strana od-do

70-76

Název nakladatele

Institute of Radio Engineering and Electronics AS CR

Místo vydání

Prague

Místo konání akce

Praha

Datum konání akce

1. 1. 2006

Typ akce podle státní příslušnosti

EUR - Evropská akce

Kód UT WoS článku

—