Přejít k obsahu


Czech HMM-Based Speech Synthesis

Citace: [] HANZLÍČEK, Z. Czech HMM-Based Speech Synthesis. Lecture Notes in Artificial Intelligence, 2010, roč. 2010, č. 6231, s. 291-298. ISSN: 0302-9743
Druh: ČLÁNEK
Jazyk publikace: eng
Anglický název: Czech HMM-Based Speech Synthesis
Rok vydání: 2010
Místo konání: Heidelberg
Název zdroje: Springer
Autoři: Ing. Zdeněk Hanzlíček Ph.D.
Abstrakt CZ: Tento článek popisuje první experimenty se statistickou parametrickou HMM syntézou řeči pro český jazyk. Tato metoda generuje trajektorie řečových parametrů z natrénovaných skrytých Markovových modelů. Výsledná řeč je zrekonstruována z těchto řečových parametrů. V experimentech byla řeč reprezentována pomocí melovských kepstrálních koeficientů, pro syntézu byl použit odpovídající filtr MLSA buzený pulsy a šumem. Kromě toho byl ještě použit vysoce sofistikovaný systém STRAIGHT. Hodnocení prostřednictvím poslechových testů ukázalo, že řeč generována s využitím systému STRAIGHT je kvalitativně srovnatelná s řeči generovanou pomocí metody unit selection.
Abstrakt EN: In this paper, first experiments on statistical parametric HMM-based speech synthesis for the Czech language are described. In this synthesis method, trajectories of speech parameters are generated from the trained hidden Markov models. A final speech waveform is synthesized from those speech parameters. In our experiments, spectral properties were represented by mel cepstrum coefficients. For the waveform synthesis, the corresponding MLSA filter excited by pulses or noise was utilized. Beside that basic setup, a high-quality analysis/synthesis system STRAIGHT was employed for more sophisticated speech representation. For a more robust model parameter estimation, HMMs are clustered by using decision tree-based context clustering algorithm. For this purpose, phonetic and prosodic contextual factors proposed for the Czech language are taken into account. The created clustering trees are also employed for synthesis of speech units unseen within the training stage. The evaluation by subjective listening tests showed that speech produced by the combination of HMM-based TTS system and STRAIGHT is of comparable quality as speech synthesised by the unit selection TTS system trained from the same speech data.
Klíčová slova

Zpět

Patička