Project Title:Síntesis de voz de alta calidad mediante técnicas basadas en corpus
Project director:Eva Navas
Student: Lorea Mendizabal
Starting date: Jan 2003
Ending date: Nov 2003
Abstract:
This project aims to develop a new text to speech synthesis (TTS) system based in unit selection techniques for Basque language. This TTS system will be able to express different emotions with high quality speech.
El objetivo principal de este proyecto es la obtención de un Conversor de Texto a Habla basado en corpus de forma que sea capaz de obtener una salida en la que sea perceptible la emoción particular que se desea que el locutor exprese.
Algunos de los módulos necesarios para la consecución de este objetivo global ya han sido desarrollados en otros proyectos que se han llevado a cabo en el grupo AhoLab del DET (Departamento de electrónica y Telecomunicaciones). Este es el caso del diseño y grabación del corpus de voz, el bloque de procesado lingüístico o el modelado de la entonación del euskara para diferentes emociones.
Por tanto, existen una serie de tareas u objetivos parciales que todavía no han sido solventados y que serán objeto de este proyecto:
- Creación de una base de datos con las unidades que forman el corpus pregrabado. Esta base de datos recopilará toda la información que se necesitará posteriormente acerca de cada unidad, en nuestro caso, de cada semifonema.
- Creación de un motor de síntesis basado en la selección de unidades. Este módulo será capaz de elegir el conjunto de unidades del corpus de voz del que se dispone, que mejor se ajuste a una serie de características. La selección se realizará de forma que se minimice el coste total, suma de los costes de unidad y costes de concatenación entre unidades.
- Creación del módulo de concatenación de unidades. Este módulo será el encargado de concatenar los diferentes semifonemas que se hayan elegido mediante el algoritmo de selección. Para que las transiciones entre unidades no sean perceptibles, habrá que realizar un procesado sobre el resultado mediante el algoritmo TD-PSOLA. En consecuencia, será necesario implementar otro módulo que obtenga las marcas a periodo de pitch o frecuencia fundamental de cada fichero de onda a partir de la correspondiente curva del laringógrafo. A su vez, deberán corregirse en lo posible los fallos que el laringógrafo genere.
- Se persigue que el sistema sea lo más rápido posible. Para ello, no solo se buscará la reducción de la carga computacional inherente a los programas desarrollados sino que también se seguirá alguna estrategia para la organización de la base de datos de unidades que permita acelerar las búsquedas.