stringtranslate.com

Гнуспич

Gnuspech — это расширяемый компьютерный пакет программного обеспечения для преобразования текста в речь , который производит искусственную речь на основе артикуляционного синтеза речи в реальном времени по правилам. То есть он преобразует текстовые строки в фонетические описания с помощью словаря произношения, правил преобразования букв в звуки, а также моделей ритма и интонации; преобразует фонетические описания в параметры для артикуляционного синтезатора речи низкого уровня ; использует их для управления артикуляционной моделью речевого тракта человека , производящей выходной сигнал, подходящий для обычных устройств вывода звука, используемых различными компьютерными операционными системами ; и делает это с той же или более высокой скоростью, чем речь взрослого человека.

Дизайн

Синтезатор представляет собой модель лампового резонанса или волновода, которая напрямую и достаточно точно моделирует поведение реального речевого тракта , в отличие от формантных синтезаторов, которые косвенно моделируют речевой спектр. [2] Проблема управления решается с использованием модели отличительной области Рене Карре [3] , которая связывает изменения радиусов восьми продольных отделов речевого тракта с соответствующими изменениями в трех частотных формантах речевого спектра, которые передают большую часть информации. речи. Области, в свою очередь, основаны на работе Стокгольмской лаборатории речевых технологий [4] Королевского технологического института ( KTH ) по «анализу формантной чувствительности», то есть тому, как на формантные частоты влияют небольшие изменения радиуса голосовой тракт в различных местах по его длине. [5]

История

Gnuspech изначально был коммерческим программным обеспечением, созданным ныне несуществующей компанией Trillium Sound Research для компьютера NeXT в виде различных версий набора «TextToSpeech». Trillium Sound Research — дочерняя компания по передаче технологий , созданная в Университете Калгари, Альберта, Канада, на основе многолетних исследований факультета информатики по взаимодействию компьютера и человека с использованием речи, где публикуются документы и руководства, относящиеся к системе. поддерживается. [6] Первоначальная версия 1992 года использовала синтезатор речи на основе формант. Когда NeXT прекратила производство оборудования, программное обеспечение синтезатора было полностью переписано [7] , а также портировано на NSFIP (NextStep For Intel Processors) с использованием волноводного подхода к моделированию акустических ламп на основе исследований Центра компьютерных исследований в области музыки и акустики. ( CCRMA ) в Стэнфордском университете, особенно Music Kit. Подход к синтезу более подробно описан в документе, представленном Американскому обществу голосового ввода-вывода в 1995 году. [8] В системе использовался встроенный процессор цифровых сигналов (DSP) 56001 на компьютере NeXT и дополнительная плата Turtle Beach. с тем же DSP в версии NSFIP для работы волновода (также известного как ламповая модель). Ограничения по скорости означали, что наименьшая длина речевого тракта, которую можно было использовать для речи в реальном времени (то есть генерировать с той же или более высокой скоростью, чем она была «произнесена»), составляла около 15 сантиметров, поскольку частота дискретизации для волноводных вычислений увеличивается. с уменьшением длины голосового тракта. Более высокие скорости процессора постепенно устраняют это ограничение, что является важным шагом вперед в создании детской речи в реальном времени.

Поскольку NeXTSTEP снят с производства, а компьютеры NeXT встречаются редко, одним из вариантов выполнения исходного кода является использование виртуальных машин . Например, предыдущий эмулятор может эмулировать DSP на компьютерах NeXT , который может использоваться программным обеспечением Trillium.

MONET (Gnuspech) в NeXTSTEP 3.3, работающем внутри предыдущего .

Торговля Trillium прекратилась в конце 1990-х годов, и проект Gnuspech был впервые внесен в репозиторий GNU Savannah на условиях Стандартной общественной лицензии GNU в 2002 году в качестве официального программного обеспечения GNU .

Благодаря своей бесплатной лицензии с открытым исходным кодом , которая позволяет настраивать код, Gnuspech использовался в академических исследованиях. [9] [10]

Пример синтеза
Хаос синтезирован Trillium TTS (Gnuspech) с использованием модели голосового тракта DSP.
Проблемы с воспроизведением этого файла? См. справку для СМИ .

Рекомендации

  1. ^ https://directory.fsf.org/wiki/Gnuspeech/gnuspech. {{cite web}}: Отсутствует или пусто |title=( помощь )
  2. ^ КУК, PR (1989) Синтез певческого голоса с использованием физически параметризованной модели речевого тракта человека. Международная конференция компьютерной музыки, Колумбус, Огайо
  3. ^ КАРРЕ, Р. (1992) Отличительные области в акустических трубках. Моделирование речевой продукции. Journal d'Acoustique, 5, 141–159.
  4. ^ Сейчас Департамент речи, музыки и слуха.
  5. ^ ФАНТ, Г. и ПАУЛИ, С. (1974) Пространственные характеристики моделей резонанса речевого тракта. Материалы Стокгольмского семинара по речевой коммуникации, KTH , Стокгольм, Швеция.
  6. ^ Соответствующий веб-сайт Университета Калгари.
  7. ^ Синтезатор речи модели лампового резонанса
  8. ^ ХИЛЛ, ДР, МАНЗАРА, Л. И ТАУБ-ШОК, CR. (1995) Артикуляционный синтез речи в реальном времени по правилам. Учеб. AVIOS '95, 14-я ежегодная международная конференция голосовых технологий, Сан-Хосе, 12–14 сентября 1995 г., 27–44.
  9. ^ Д'Эсте, Ф. - Синтез артикуляционной речи с помощью параллельного многоцелевого генетического алгоритма. Магистерская диссертация, Лейденский институт передовых компьютерных наук, 2010 г.
  10. ^ Сюн, Ф.; Баркер Дж. - Глубокое изучение артикуляционных представлений и их применение для улучшения распознавания дизартричной речи. Конференция ITG по речевой коммуникации, Германия, 2018.

Внешние ссылки