Automatic Evaluation of Synthetic Speech Quality by a System Based on Statistical Analysis

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F18%3A43952591" target="_blank" >RIV/49777513:23520/18:43952591 - isvavai.cz</a>

Výsledek na webu

<a href="https://link.springer.com/chapter/10.1007%2F978-3-030-00794-2_34" target="_blank" >https://link.springer.com/chapter/10.1007%2F978-3-030-00794-2_34</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-030-00794-2_34" target="_blank" >10.1007/978-3-030-00794-2_34</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Automatic Evaluation of Synthetic Speech Quality by a System Based on Statistical Analysis

Popis výsledku v původním jazyce

The paper describes a system for automatic evaluation of speech quality based on statistical analysis of differences in spectral properties, prosodic parameters, and time structuring within the speech signal. The proposed system was successfully tested in evaluation of sentences originating from male and female voices and produced by a speech synthesizer using the unit selection method with two different approaches to prosody manipulation. The experiments show necessity of all three types of speech features for obtaining correct, sharp, and stable results. A detailed analysis shows great influence of the number of statistical parameters on correctness and precision of the evaluated results. Larger size of the processed speech material has a positive impact on stability of the evaluation process. Final comparison documents basic correlation with the results obtained by the standard listening test.

Název v anglickém jazyce

Automatic Evaluation of Synthetic Speech Quality by a System Based on Statistical Analysis

Popis výsledku anglicky

The paper describes a system for automatic evaluation of speech quality based on statistical analysis of differences in spectral properties, prosodic parameters, and time structuring within the speech signal. The proposed system was successfully tested in evaluation of sentences originating from male and female voices and produced by a speech synthesizer using the unit selection method with two different approaches to prosody manipulation. The experiments show necessity of all three types of speech features for obtaining correct, sharp, and stable results. A detailed analysis shows great influence of the number of statistical parameters on correctness and precision of the evaluated results. Larger size of the processed speech material has a positive impact on stability of the evaluation process. Final comparison documents basic correlation with the results obtained by the standard listening test.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

20205 - Automation and control systems

Projekt

<a href="/cs/project/GA16-04420S" target="_blank" >GA16-04420S: Kombinované využití fonetických a korpusově založených postupů při odstraňování rušivých jevů v řečové syntéze</a><br>

Návaznosti

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

Rok uplatnění

2018

Kód důvěrnosti údajů

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

Název statě ve sborníku

Text, Speech, and Dialogue 21st International Conference, TSD 2018, Brno, Czech Republic, September 11-14, 2018, Proceedings

ISBN

978-3-030-00793-5

ISSN

0302-9743

e-ISSN

1611-3349

Počet stran výsledku

9

Strana od-do

315-323

Název nakladatele

Springer Nature Switzerland AG

Místo vydání

Cham

Místo konání akce

Brno, Czech Republic

Datum konání akce

11. 9. 2018

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—