riaditeľ ing. ladislav hluchý, csc. paralelného a distribuovaného spracovania informácií

Riaditeľ Ing. Ladislav Hluchý, CSc.

Paralelného a distribuovaného spracovania informácií

Ing. L. Hluchý, CSc.Modelovanie a riadenie diskrétnych systémov

Ing. Ivana BudinskáNávrh a testovanie číslicových systémov

M. FischerováElektrónová litografia

RNDr. I. KostičNumerické metódy a algoritmy

Doc. RNDr. L. Halada, CSc.Spracovanie reči

Ing. M. RuskoSenzorické systémy

Ing. Š. Havlík, DrSc.

Speech databasesfor basic research, for training & testing of ASR and TTS

Speech recognition server

Telephone server

Speech synthesis server

Voice operated information systemsteleservices

Speech synthesis (TTS)

Text to speech, telephone applications, tools for the blind

Syntéza reči

Súčasný stav:„Unit selection“

syntetizátor s modelovaním prozódie pomocou CART stromov

Ukážka: Kempelen 2.1

S p e e c h D B5 0 0 pho ne tic al ly

balanc e d s e nte nc e s

A u to m a ticH M M la b e lle r

P ro s o d y m o d e lsb u ild ing

a b

c d

. . .

C A R T s U nit s e le c tio n

U nit c o nc a te na tio n

P ho ne tictra ns c rip tio n

T E X T

S P E E C H

syn th esisa n a lysis

Model tvorby reči

na princípe Zdroj - Filter

HMM syntéza - Motivácia

• Jeden z hlavných problémov korpusovej syntézy reči je „data sparsity“. Syntéza je veľmi kvalitná ak syntetizované jednotky majú pokrytie v korpuse, a naopak podstatne horšia ak požadované jednotky korpus neobsahuje. Inými slovami, problémom je generalizovanie „unseen data“.

• ASR založené na HMM-GMM majú práve túto vlastnosť generalizovania výborne rozpracovanú v tréningu AMs.

HMM syntéza používa natrénované AMs modely a reč generuje priamo z nich

HMMs modelujú spektrum a navyše - čo nie je v ASR – aj F0.

Výhody a nevýhody HMM syntézy

• Úplný model reči má veľkosť do 1MB, na rozdiel od korpusovej syntézy, ktorá má x100MB

• Kontextuálne zhlukovanie (ako v ASR) je oveľa flexibilnejšie ako výber jednotiek

• Výborný framework pre modifikáciu a konverziu hlasov (možno meniť kvalitu hlasu!)

• Dobrá plynulosť generovanej reči, ale stále nízka kvalita reči (reč zneje stále roboticky)

Dramatic Piece Reader (DRAPER)

Architecture of Draper

Automatic speech recognition (ASR)

Speech to text, dictation, media monitoring

Speech recognition schematic diagram

Automatický prepis diktátu pre MSSR (APD)

• Objednávka MSSR na vytvorenie softvéru na automatické prepisovanie diktátu do textu (napríklad diktovanie súdnych rozhodnutí sudcami)

Systém vykonáva:

– On-line prepis reči (Diktačný systém)

– Off-line prepis z diktafónových nahrávok reči

Ďakujeme za pozornosť

Oddelenie analýzy a syntézy rečiUI SAV