1 ESTADO DEL ARTE SÍNTESIS DE VOZ 1 1
Páginas: 9 (2103 palabras)
Publicado: 7 de noviembre de 2015
FACULTAD DE INGENIERÍA
CARRERA DE INGENIERÍA DE SISTEMAS – EPE
SEMINARIO DE INVESTIGACIÓN EN TICs
(materiales de apoyo)
Profesores: Renzo Astorne
César Lepage
MODELO DE ESTADO DEL ARTE
MODELO N°1:
modelo de entonación para un sintetizador de voz con aplicación a un sistema de información vía telefónica en cines
El presente documento contiene parte de la Tesiselaborado por Crisaida Flores en el curso de Trabajo de Tesis 1 y 2 de la Sección de Electricidad y Electrónica de la FACI (PUCP). Correspondiente a los períodos 2004 - 2005. Para efectos de la presentación como material de Trabajo ha sido revisado por el equipo docente.
Surco – LIMA
2014
3. MARCO TEÓRICO
3.1 Estado del Arte
3.1.1 Presentación del asunto de estudio
Los sistemas de diálogo sondesarrollos que permiten al hombre interactuar verbalmente con la computadora. Actualmente, son utilizados en el extranjero en los sistemas de información vía telefónica, para automatizar la función de las operadoras telefónicas y mejorar así la calidad de servicio ofrecido. Se compone de varios módulos uno de los cuales es el de Síntesis de Voz; éste permite generar la voz sintética que hará audiblela respuesta de la computadora. En el desarrollo de estos sistemas, se busca que la calidad de voz generada posea naturalidad, por ello, en la medida que el texto sintetizado posea una entonación adecuada, será más comprensible y mejor recibido por el usuario.
El presente estudio muestra las tecnologías y modelos que actualmente se utilizan para enfrentar el modelado de la entonación dentro delos sistemas conversores de texto a voz. Se empieza por presentar los modelos tradicionales usados para la entonación, finalmente se muestran los modelos y formas más modernas de modelado, que van de acuerdo a la técnica de síntesis de voz a usar.
Como corolario, se observa que el modelado de entonación en base a corpus es aquel que permite mejores resultados y está a la par con la técnicaactualmente más empleada en síntesis de voz: selección de unidades.
2.1.2 Estado de la investigación
Según Pierre Humbert, la entonación se puede modelar como una secuencia de tonos asociada a una simbología. Este modelo fue uno de los pioneros en el modelado de la entonación en inglés, donde se identificaron dos tipos de tonos básicos: alto (H) y bajo (L), en cuya combinación se encontrarondiferentes tonos. Estas combinaciones se encuentran en el sistema de transcripción fonética TOBI (Tones and Break Indices). El modelo ha sido empleado por Sosa en el español, quien en su libro “La entonación en el español” muestra que la transcripción usada en TOBI puede adaptarse también al español obteniendo buenos resultados, tal como se menciona en la revisión del libro de Sosa (PRIETO 2001).Otro trabajo desarrollado con este modelo para el español fue el presentado en “Modelos de entonación analítico y fonético-fonológico aplicados a una base de datos del español de Buenos Aires” (COLANTONI y GURLEKIAN 2004) donde se desarrolla un modelo para la entonación del español argentino en el cual concluyen que el modelo TOBI describe satisfactoriamente los contornos entonativos estudiados.Sin embargo, tal como menciona Escudero Mancebo (2002) aplicar este modelo al español implica crear un amplio conjunto de reglas que permitan la correspondencia numérica entre los tonos y la evolución de F0, por lo cual el modelo se torna un tanto complejo.
Por otro lado, el modelo IPO plantea que solo algunos movimientos tonales producen la sensación de entonación por lo cual solo estos deben seridentificados y modelados. Para implementar el modelo IPO se requiere:
Estilizar el contorno de F0 mediante segmentos rectos y con ello crear una “copia cercana” de la muestra original.
Revisar el comportamiento de los segmentos rectilíneos, en duración y amplitud.
Crear en base a lo estudiado, una gramática que identifique y limite los movimientos tonales para una determinada lengua.
El punto...
FACULTAD DE INGENIERÍA
CARRERA DE INGENIERÍA DE SISTEMAS – EPE
SEMINARIO DE INVESTIGACIÓN EN TICs
(materiales de apoyo)
Profesores: Renzo Astorne
César Lepage
MODELO DE ESTADO DEL ARTE
MODELO N°1:
modelo de entonación para un sintetizador de voz con aplicación a un sistema de información vía telefónica en cines
El presente documento contiene parte de la Tesiselaborado por Crisaida Flores en el curso de Trabajo de Tesis 1 y 2 de la Sección de Electricidad y Electrónica de la FACI (PUCP). Correspondiente a los períodos 2004 - 2005. Para efectos de la presentación como material de Trabajo ha sido revisado por el equipo docente.
Surco – LIMA
2014
3. MARCO TEÓRICO
3.1 Estado del Arte
3.1.1 Presentación del asunto de estudio
Los sistemas de diálogo sondesarrollos que permiten al hombre interactuar verbalmente con la computadora. Actualmente, son utilizados en el extranjero en los sistemas de información vía telefónica, para automatizar la función de las operadoras telefónicas y mejorar así la calidad de servicio ofrecido. Se compone de varios módulos uno de los cuales es el de Síntesis de Voz; éste permite generar la voz sintética que hará audiblela respuesta de la computadora. En el desarrollo de estos sistemas, se busca que la calidad de voz generada posea naturalidad, por ello, en la medida que el texto sintetizado posea una entonación adecuada, será más comprensible y mejor recibido por el usuario.
El presente estudio muestra las tecnologías y modelos que actualmente se utilizan para enfrentar el modelado de la entonación dentro delos sistemas conversores de texto a voz. Se empieza por presentar los modelos tradicionales usados para la entonación, finalmente se muestran los modelos y formas más modernas de modelado, que van de acuerdo a la técnica de síntesis de voz a usar.
Como corolario, se observa que el modelado de entonación en base a corpus es aquel que permite mejores resultados y está a la par con la técnicaactualmente más empleada en síntesis de voz: selección de unidades.
2.1.2 Estado de la investigación
Según Pierre Humbert, la entonación se puede modelar como una secuencia de tonos asociada a una simbología. Este modelo fue uno de los pioneros en el modelado de la entonación en inglés, donde se identificaron dos tipos de tonos básicos: alto (H) y bajo (L), en cuya combinación se encontrarondiferentes tonos. Estas combinaciones se encuentran en el sistema de transcripción fonética TOBI (Tones and Break Indices). El modelo ha sido empleado por Sosa en el español, quien en su libro “La entonación en el español” muestra que la transcripción usada en TOBI puede adaptarse también al español obteniendo buenos resultados, tal como se menciona en la revisión del libro de Sosa (PRIETO 2001).Otro trabajo desarrollado con este modelo para el español fue el presentado en “Modelos de entonación analítico y fonético-fonológico aplicados a una base de datos del español de Buenos Aires” (COLANTONI y GURLEKIAN 2004) donde se desarrolla un modelo para la entonación del español argentino en el cual concluyen que el modelo TOBI describe satisfactoriamente los contornos entonativos estudiados.Sin embargo, tal como menciona Escudero Mancebo (2002) aplicar este modelo al español implica crear un amplio conjunto de reglas que permitan la correspondencia numérica entre los tonos y la evolución de F0, por lo cual el modelo se torna un tanto complejo.
Por otro lado, el modelo IPO plantea que solo algunos movimientos tonales producen la sensación de entonación por lo cual solo estos deben seridentificados y modelados. Para implementar el modelo IPO se requiere:
Estilizar el contorno de F0 mediante segmentos rectos y con ello crear una “copia cercana” de la muestra original.
Revisar el comportamiento de los segmentos rectilíneos, en duración y amplitud.
Crear en base a lo estudiado, una gramática que identifique y limite los movimientos tonales para una determinada lengua.
El punto...
Leer documento completo
Regístrate para leer el documento completo.