Las etapas en la conversión de texto en habla -...

Joaquim LlisterriGrup de Fonètica, Departament de Filologia Espanyola

La conversión de texto en habla

Del texto… …al habla GTP-UPC


text-to-speech, TTS• Un sistema de conversión de texto en habla

(CTH) transformatransforma cualquier texto escrito ensu realización sonora

• La estructura de un conversor suele sermodularmodular

• Cada módulo se ocupa de un aspecto de latransformación de la cadena de caracteresinicial hasta llegar a la señal sonora

La conversión de texto en habla


Esquema general de unconversor de texto en habla

Pre-procesado y normalización

Análisis lingüístico Transcripción fonética

Asignación de prosodia Selección de unidades

Conversión en parámetros acústicos


Procesamiento previo del texto

Transcripción fonética automática

Análisis lingüístico

Asignación de elementos prosódicos


Las etapas en la conversiónde texto en habla









• El módulo de procesamiento previodel texto realiza las mismasoperaciones que un hablante leyendoen voz alta

• El objetivo es preparar el texto parala transcripción fonética automática



• Elementos que se convierten en texto'deletreado'• Abreviaturas (Sr. D., Exmo., pts...)• Siglas (UE, ONU...)• Cifras y ordinales (3, 1º, 2ª...)• Fechas (13.06.1959)• Horas (15.30h...)• Medidas (m., cm., Km....)• Números romanos (Pedro IV...)• Letras aisladas• Símbolos especiales ($...)



Problemas en el preprocesado deltexto• Siglas y acrónimos

OTAN [otan] *[oteaene] PP [pepe] *[pp] PSOE [pesoe] *[peeseoe] *?[psoe]



Problemas en el preprocesado del texto

• Abreviaturas

VO *[bo] versión original

CV “caballos” - “curriculum vitae”



Problemas en el preprocesado del texto• Concordancia en expresiones numéricas

* trescientos sesenta y cinco líneas* quinientos pesetas

• Formas apocopadas100 casos: cien casos10%: diez por ciento




• Números de teléfono

93581686: * Noventa y tres millonesquinientos ochenta y uno mil seis cientosochenta y seis

• Horas

4.15: *cuatro punto quince



Problemas en el preprocesado del texto• Códigos postales

28002 Madrid: *veintiocho mil dosMadrid

• Fechas13-11-98: *trece once noventa y ocho




• Lectura del correo electrónico

• Errores mecanográficos

• Errores ortográficos

• Falta de signos de puntuación

• Lectura de SMS

• “Abreviaturas” nuevas

stoy n ksa 2# y slgo xa MAD tq



Módulo de preprocesamiento del texto CASTEJÓN, F. - ESCALADA, G. - MONZÓN, L. - RODRÍGUEZ, M. A. - SANZ, P. (1994) "Un

conversor texto-voz para el español", Comunicaciones de Telefónica I+D, 5, 2: 114-131

• Módulo normalizador• Selecciona la frase como

unidad de trabajo• Normaliza la forma de

escritura sin perderinformación relevante


Módulo normalizadorCASTEJÓN, F. - ESCALADA, G. - MONZÓN, L. - RODRÍGUEZ, M. A. - SANZ, P. (1994) "Un


Texto: El Sr. José Luis López tiene 201 viñas.Texto: El Sr. José Luis López tiene 201 viñas.

NORMALIZADORNORMALIZADOR

Frase normalizada: el Sr. josé luis lópez tiene 201Frase normalizada: el Sr. josé luis lópez tiene 201viñas.viñas.

Formato: mm abr Mm Mm Mm mm mm mm sig

Códigos: mm: palabra en minúscula, Mm: palabra con

inicial mayúscula, abr: abreviatura, sig: signo

ortográfico


Módulo de preprocesamiento del textoCASTEJÓN, F. - ESCALADA, G. - MONZÓN, L. - RODRÍGUEZ, M. A. - SANZ, P. (1994) "Un


• Módulo de preproceso• Expande abreviaturas,

números, etc.• Incluye la silabificación y la

acentuación


Módulo de preprocesoCASTEJÓN, F. - ESCALADA, G. - MONZÓN, L. - RODRÍGUEZ, M. A. - SANZ, P. (1994) "Un


Frase normalizada: el Sr. josé luis lópez tiene 201viñas.

Formato: mm abr Mm Mm Mm mm mm mm sig

PREPROCESOPREPROCESO

Palabras: el se#or josPalabras: el se#or jos’’e luis le luis l’’opez tiene doscientas unaopez tiene doscientas unavi#as.vi#as.

Palab_silab: el se. #or jo. sPalab_silab: el se. #or jo. s’’e luis le luis l’’o. pez tio. pez ti’’e.ne dos.e.ne dos.cici’’en. tas en. tas ‘‘u. na vu. na v’’i. #as.i. #as.









• Creación de una cadena de unidades fonéticas -fonemas o alófonos- a partir del texto escritopreprocesado

• “Un sistema de transcripción fonéticaautomática es un algoritmo que transforma untexto de entrada representado en caracteresgrafemáticos en una representación expresadamediante símbolos fonéticos”

Ríos (1993:381)

Transcripción fonética automáticaObjetivos



• Implica una decisión sobre el inventariode alófonos que condiciona el inventariode unidades de síntesis

• Decisiones ortológicas• Decisión sobre el “estándar”• Decisión sobre variedad geográfica• Decisión sobre registro


• Estrategias para la transcripción

• Diccionario ayudado por un analizador enlenguas con una correspondencia muyirregular entre grafía y sonido

• Reglas complementadas por un diccionariode excepciones en lenguas con unacorrespondencia regular entre sonido ygrafía

La transcripción fonética automática


Tipos de reglas de transcripciónRÍOS, A. (1993) "La información lingüística en la transcripción fonética automática del español",

Boletín de la Sociedad Española para el Procesamiento del Lenguaje Natural 13: 381-387.http://www.sepln.org/revistaSEPLN/revista/13/13-Pag381.pdf

• Reglas de fonemización• Reglas de transcripción grafía-fonema• Reglas de silabificación• Reglas de ajuste silábico aplicadas a

extranjerismos para adaptar su estructurasilábica a la fonotaxis del español

• Reglas de acentuación• Reglas de fonetización


Características de las reglas de transcripciónRÍOS, A. (1993) "La información lingüística en la transcripción fonética automática del español",

Boletín de la Sociedad Española para el Procesamiento del Lenguaje Natural 13: 381-387.http://www.sepln.org/revistaSEPLN/revista/13/13-Pag381.pdf

• Reglas dependientes del contexto• Reglas de substitución de un signo en otro

• p.ej.: regla de transcripción del grafema <g>como [x] ante <e,i>

• Reglas de elisión de un elemento• p.ej.: elisión de <u> en el dígrafo <gu> ante las

vocales <e,i>• Reglas de inserción de un elemento

• p. ej.: regla de inserción de [k] después delgrafema <x>


Problemas de la transcripción fonéticaautomática

• Nombres propios y palabras extranjeras<#g> <#j> [dZ] [Z] [j] (George, jeans, Jordi, Jaume)

<#w> [w] [gw] (whisky)

<ph> [f] (Humphrey)<sh> [S] [tS] (show, squash)

<sch> [S] (Schiller)

<tg> [dZ] (Sitges)

<#sC> [#esC] (stop, squash)


Problemas de la transcripción fonéticaautomática

• Nombres propios de persona en españolEsther <th>: [t]Lourdes <ou>: [u]Feijoo <oo>: [o]Desacentuación del primer elemento de los

nombres compuestos (implica detectar elnombre compuesto)


Forma de las reglas de conversión de grafía a representación fonéticadependientes del contexto

SUBIRATS, C. - LLISTERRI, J. - POCH, D. (1988) "El diccionario electrónico del español con un conversor de texto a voz", in MARTÍN VIDE, C. (Ed.)Lenguajes naturales y Lenguajes Formales III.1. Actas del III Congreso de Lenguajes Naturales y Lenguajes Formales. Sitges, Barcelona, 28 de septiembre -

2 de octubre 1987. Barcelona: Promociones y Publicaciones Universitarias. pp. 341-356.http://liceu.uab.es/~joaquim/publicacions/Subirats_Llisterri_Poch_88_Diccionario_Conversor.pdf

<c> --> [k] / #_ [a], [o], [u]casa, cosa, cuna

<c> --> [T] / # _ [e], [i]cena, cine

<c> --> [k] / V _ [a], [o], [u]oca, acoso, acuna

<c> --> [T] / V _ [e], [i]hace, fácil


Forma de las reglas de conversión de grafía a representación fonéticadependientes del contexto

SUBIRATS, C. - LLISTERRI, J. - POCH, D. (1988) "El diccionario electrónico del español con un conversor de texto a voz", in MARTÍN VIDE, C. (Ed.)Lenguajes naturales y Lenguajes Formales III.1. Actas del III Congreso de Lenguajes Naturales y Lenguajes Formales. Sitges, Barcelona, 28 de septiembre -

2 de octubre 1987. Barcelona: Promociones y Publicaciones Universitarias. pp. 341-356.http://liceu.uab.es/~joaquim/publicacions/Subirats_Llisterri_Poch_88_Diccionario_Conversor.pdf

<c> --> [k] / # (c) V_# Cacción, actor

<c> --> [k] / # _ [l], [r]Vtecla, crío

<c> --> [k] / _ #coñac, vivac

<c> --> [tS] / _htecho


Módulo conversor grafema-alófonoCASTEJÓN, F. - ESCALADA, G. - MONZÓN, L. - RODRÍGUEZ, M. A. - SANZ, P. (1994) "Un


• Transforma una secuencia degrafías en una secuencia dealófonos


Módulo conversor grafema-alófonoCASTEJÓN, F. - ESCALADA, G. - MONZÓN, L. - RODRÍGUEZ, M. A. - SANZ, P. (1994) "Un


Palab_silab: el se. #or jo. s’e luis l’o. pezti’e.ne dos. ci’en. tas ‘u. na v’i. #as.

CONVERSOR GRAFEMA-ALÓFONOCONVERSOR GRAFEMA-ALÓFONO

Alófonos: el se. N~or xo. sAlófonos: el se. N~or xo. s’’e luis le luis l’’o. peTo. peT[sil] tj[sil] tj’’e.ne Dos. Tje.ne Dos. Tj’’en. tas en. tas ‘‘u. na Bu. na B’’i. N~asi. N~as[sil][sil]


División silábica o silabificación

• Divide la cadena de alófonos ensílabas

• Puede realizarse como parte delpreprocesado del texto,partiendo de la representaciónortográfica


Asignación de acento

• Determina las sílabas tónicas y las sílabasátonas de la cadena de alófonos

• Requiere información sobre palabras que sonsiempre átonas y reglas de acentuación para laspalabras que no llevan acento gráfico

• Puede realizarse como parte del preprocesadode texto una vez se ha llevado a cabo la divisiónsilábica










• Necesidad del análisis lingüístico en laconversión de texto a habla• Transcripción fonética

• Predicción de la representación fonética apartir de reglas morfológicas /morfofonológicas que implican elreconocimiento de morfemas en lenguascon una correspondencia irregular entregrafías y alófonos



• Necesidad del análisis lingüístico en laconversión de texto a habla• Asignación de elementos prosódicos

• La localización de las pausas no marcadasortográficamente, la asignación de acento yla determinación de las unidades melódicasrequieren un análisis sintáctico


Análisis morfológico

• Objetivos• Segmentación del texto en

morfemas• Asignación de etiquetas

correspondientes a las partes de laoración a las palabras (POStagging)


Conversión de texto en habla para el inglés en el sistema MITalkALLEN, J. - HUNNICUTT, M. S. - KLATT, D. H. (with R. C. ARMSTRONG and D. PISONI)

(1987) From Text to Speech: The MITalk System. Cambridge: Cambridge University Press

• Módulo DECOMP para la segmentacióndel texto de entrada en morfemas

• Diccionario de morfemas

• Gramática que predice las combinacionesposibles e imposibles de morfemas


Módulo categorizadorCASTEJÓN, F. - ESCALADA, G. - MONZÓN, L. - RODRÍGUEZ, M. A. - SANZ, P. (1994) "Un


• Asigna categorías gramaticales alas palabras


Módulo categorizadorCASTEJÓN, F. - ESCALADA, G. - MONZÓN, L. - RODRÍGUEZ, M. A. - SANZ, P. (1994) "Un


Palabras: el se#or jos’e luis l’opez tiene doscientas unavi#as.

Palab_silab: el se. #or jo. s’e luis l’o. pez ti’e.ne dos.ci’en. tas ‘u. na v’i. #as.

CATEGORIZADORCATEGORIZADOR

Categorías: ART N NP NP NP V NUM NUM N SIGCategorías: ART N NP NP NP V NUM NUM N SIG

Códigos: ART: artículo, N: nombre, NP: nombre propio,

V: verbo, NUM: número, SIG: signo ortográfico


Análisis sintáctico

• Para una asignación de elementos prosódicosque tenga como resultado una síntesis con unalto grado de naturalidad es necesario unanálisis sintáctico, semántico y pragmático deltexto

• Segmentación del texto en unidades sintácticas

• Asignación de una estructura de constituyentes(parsing)


Módulo de análisis sintácticoCASTEJÓN, F. - ESCALADA, G. - MONZÓN, L. - RODRÍGUEZ, M. A. - SANZ, P. (1994) "Un


Palabras: el se#or jos’e luis l’opez tienedoscientas una vi#as.

Categorías: ART N NP NP NP V NUMNUM N SIG

ESTRUCTURADORESTRUCTURADOR

Árbol sintácticoÁrbol sintáctico









Asignación de elementos prosódicosObjetivos

Conjunto de reglas que especifican

• Duración de los segmentos

• Intensidad de los segmentos / delenunciado

• Contorno melódico del enunciado

• Colocación y duración de las pausas



Asignación de duración

Asignación de intensidad

Asignación de pausas

Asignación de curva melódica








Asignación de duración segmental

• Requiere un modelo de duraciónsegmental que considere

• Duración intrínseca de cadasegmento

• Modificaciones contextuales


Factores que determinan la duraciónsegmental

• Acento• Consonante que sigue al segmento• Vocal que sigue al segmento• Pausa después del segmento• Posición del segmento en el enunciado• Longitud de la palabra en la que se encuentra

el segmento• Velocidad de elocución


Modelo de duración segmental para el inglésKLATT, D. H. (1979) "Synthesis by Rule of Segmental Durations in English

Sentences", in B. LINDBLOM - S. OHMAN (Eds.) Frontiers of Speech Communication

Research. New York: Academic Press. pp. 287-300

DUR = [(INDUR-MINDUR)*PRCNT]/100+MINDUR

• INDUR: duración intrínseca del segmento (enms.) calculada a partir de un corpus en el quelos segmentos se analizan en frases marco

• MINDUR: duración mínima del segmento siestá acentuado

• PRCNT: porcentaje de reducción de laduración del segmento, determinado por regla





• Elementos que determinan el porcentaje de reducciónde los segmentos• Inserción de pausas• Alargamiento al final de una frase• Acortamiento de sílabas que no se encuentran al

final de una palabra• Alargamiento debido al énfasis• Modificación de la duración en función del contexto

postvocálico de las consonantes





• Acortamiento de sílabas pertenecientesa palabras polisilábicas

• Acortamiento de consonantes enposición no inicial de palabra

• Acortamiento de segmentos noacentuados

• Acortamiento de los segmentospertenecientes a grupos consonánticos





• Alargamiento de vocales debido a lapresencia de una oclusiva sorda

• Acortamiento de sílabas que no seencuentran al final de una frase








Asignación de intensidad segmental

• Determina la intensidad de cadasegmento en función de las variablesque afectan a este parámetro


Modelo de intensidad vocálica para el español y el catalánBLECUA FALGUERAS, B. - ACÍN, V. (1995) "Propuesta de un modelo de intensidad vocálica del castellano y elcatalán aplicable a un sistema de conversión de texto a habla", Procesamiento del Lenguaje Natural, Revista nº 17:

257-271. http://www.sepln.org/revistaSEPLN/revista/17/17-Pag257.pdf

• Basado en el análisis de intensidad vocálica enun corpus de frases leídas

• Modelo en árbol que introduce una serie defactores que modifican la intensidad vocálica• Posición prepausal o no prepausal• Aparición de la vocal en sílaba tónica o átona• Posición inicial, medial o final de la vocal en el

enunciado• Aparición de la vocal en un enunciado corto o largo








Objetivos de la asignación de pausas

• Inserción de las pausas marcadasortográficamente en el texto

• Inserción las pausas no marcadasortográficamente en el texto

• Determinación de la duración de lapausa


La contribución de las pausas

• Texto sintetizado con pausas(Telefónica I+D, Amigo v. 2.6)

• Texto sintetizado sin pausas


Marcado ortográfico de pausas en uncorpus real

• 1629 pausas en total

• 1260 pausas marcadas ortográficamente

•• 578 con punto; 527 con coma578 con punto; 527 con coma; 17 con punto ycoma; 51 con dos puntos; 63 con signo deinterrogación; 22 con signo de admiración; 2con puntos suspensivos

•• 369 pausas no marcadas ortográficamente369 pausas no marcadas ortográficamente


Modelo de duración y asignación de pausas para el españolPUIGVÍ, D. - JIMÉNEZ, D. - FERNÁNDEZ, J. M. (1994) "Parametrización de las pausas ortográficas en castellano. Aplicación a un

conversor de texto a habla", Actas del X Congreso de la Sociedad Española para el Procesamiento del Lenguaje Natural, Córdoba, 20-22 dejulio de 1994.

http://liceu.uab.es/publicacions/Puigvi_Jimenez_Fernandez_94_Pausas_Sintesis_Castellano.pdf

• Basado en al análisis de un corpus de lectura

• Determinación de la duración de las pausasmarcadas mediante signos de puntuación

• Factores fonéticos y sintácticos que determinanla aparición de pausas no marcadas por signosde puntuación

• Determinación de la duración de las pausas nomarcadas por signos de puntuación


Módulo pausadorCASTEJÓN, F. - ESCALADA, G. - MONZÓN, L. - RODRÍGUEZ, M. A. - SANZ, P. (1994) "Un


• Transforma en pausas laspalabras ortográficas

• Añade pausas no marcadasortográficamente


Módulo pausadorCASTEJÓN, F. - ESCALADA, G. - MONZÓN, L. - RODRÍGUEZ, M. A. - SANZ, P. (1994) "Un


Palabras: el se#or jos’e luis l’opez tiene doscientas unavi#as.

Categorías: ART N NP NP NP V NUM NUM N SIG

PAUSADORPAUSADOR

Palabras: el se#or josPalabras: el se#or jos’’e luis le luis l’’opez [pau_v] tiene doscientasopez [pau_v] tiene doscientasuna vi#as.una vi#as.

Palab_silab: el se. #or jo. sPalab_silab: el se. #or jo. s’’e luis le luis l’’o. pez [pau_v] tio. pez [pau_v] ti’’e.nee.nedos. cidos. ci’’en. tas en. tas ‘‘u. na vu. na v’’i. #as.i. #as.

Códigos: [pau_v]: pausa insertada ante el verbo








La contribución de la curva melódica

• Texto sintetizado con variaciones deF0 (Telefónica I+D, Amigo v. 2.6)

• Texto sintetizado sin variación de F0



• En algunos sistemas laasignación de la curva melódicapuede utilizar un análisis previode la estructura entonativa de losenunciados (prosodic parsing)


Modelo de generación de patrones melódicos para el españolGARRIDO, J. M. (1996) Modelling Spanish Intonation for Text-to-Speech Applications. Ph.D. Thesis. Departament

de Filologia Espanyola, Facultat de Lletres, Universitat Autònoma de Barcelona. 2 vols.http://liceu.uab.es/juanma/tesis.html

• Desarrollado a partir del análisis de un corpus detextos leídos

• Modelo fonético por nivelesNivel global I: asignación de un patrón melódico al párrafo,situación de los puntos de reset y delimitación de gruposmelódicosNivel global II: asignación de patrones a cada grupo melódicoy superposición de los movimientos locales de F0 que marcanlímites sintácticos o modalidad oracionalNivel local: superposición de los movimientos de F0 asociadoscon el acento léxico


La estilización(Garrido 2001)

Reducción de la curvamelódica delenunciado ‘Ramón

llegó en avión’,pronunciado por unlocutor masculino, auna serie de puntos deinflexión relevantes


La declinaciónGARRIDO, J. M. (2001) "La estructura de las curvas melódicas del español:

propuesta de modelización", Lingüística Española Actual 23, 2: 173-209

Tiempo

60

80

100

120

140

160

180

200

Línea superior

Línea inferior

F0

(Hz)

Contorno melódico correspondiente a la oración ‘La reina del

baile bailaba la rumba de moda.’ (locutor masculino),representado por medio de líneas de referencia. Ejemplo

extraído de Garrido et al. (1995)


Estructura jerárquicaGARRIDO, J. M. (2001) "La estructura de las curvas melódicas del español:


+

Descomposición enpatrones melódicossuperpuestos de lacurva melódica delenunciado ‘Ramónllegó en avión’,pronunciada por unlocutor masculino


Árbol prosódico inicialGARRIDO, J. M. (2001) "La estructura de las curvas melódicas del español:



Nivel globalGARRIDO, J. M. (2001) "La estructura de las curvas melódicas del español:


Líneas dereferencia: líneascontinuas de trazogruesocorrespondientes alos tres gruposfónicos de laoración.Líneas desupradeclinación:líneas discontinuasde distinto grosorCurva estilizadareal: puntos unidosmediante líneasrectas


Nivel localGARRIDO, J. M. (2001) "La estructura de las curvas melódicas del español:


Líneas de referencia:líneas continuasPuntos de inflexión dela curva estilizadareal: puntos de colorclaroPuntos de inflexión dela curva estilizadagenerada por elmodelo: puntos decolor oscuro


Modelo entonativo del conversor de texto en habla Actor (Loquendo) en españolGARRIDO, J. M.- ORTÍN, I.- QUAZZA, S.- SALZA, P. L.- MANCINI, F. (2000) "Desarrollo de un módulo de

asignación de parámetros prosódicos para la versión en español del sistema de conversión texto-habla ACTOR®",Procesamiento del Lenguaje Natural 26: 183-190.

http://www.sepln.org/revistaSEPLN/revista/26/garrido-alminana.pdf

• Las unidades de síntesis son fragmentos largosde señal extraída del contexto prosódicoapropiado

• La F0 de la señal original se mantieneinalterada

• Adecuado para “prosodia enunciativa neutra”representada en la base de datos acústica

• Necesidad de un módulo de cálculo de F0 paralos enunciados interrogativos





• Estilización de la curva melódica

• Cuatro niveles tonales

• P (pico)

• V (valle)

• M (medio)

• P+ (nivel por encima de un pico)





• Estructura jerárquica de los patronesmelódicos• Patrones locales

• En el ámbito del grupo acentual• Patrones globales

• En el ámbito del grupo entonativo• En el ámbito de la oración





• Segmentación prosódica en• Grupo acentual

• Sílaba tónica + sílabas átonas• Grupo tónico

• Palabra tónica + átonas que la preceden• Marcado con etiquetas categoriales para la

asignación de pausas• Grupo entonativo

• Suele coincidir con el grupo fónico o con límitessintácticos


Estilización de la curva melódicaGARRIDO, J. M.- ORTÍN, I.- QUAZZA, S.- SALZA, P. L.- MANCINI, F. (2000) "Desarrollo de un módulo de



Curva melódicadel enunciado‘¿Conoces elcontenido delartículo de laConstitución?’ enla que aparecenlos puntos deinflexiónconsideradosdurante elanálisis


Asignación de niveles tonalesGARRIDO, J. M.- ORTÍN, I.- QUAZZA, S.- SALZA, P. L.- MANCINI, F. (2000) "Desarrollo de un módulo de



M

P+

V

P

Curva melódica delsegmento ‘Sabescuando pasan…’perteneciente alenunciado '¿Sabescuándo pasan arecoger los mueblesviejos este mes?' enla que aparecenrepresentados lospuntos M, P+, V y P


Patrones localesGARRIDO, J. M.- ORTÍN, I.- QUAZZA, S.- SALZA, P. L.- MANCINI, F. (2000) "Desarrollo de un módulo de



1 2 3 4

Curva melódica delenunciado‘¿Conoces elcontenido delartículo de laConstitución?’ en elque aparecenestilizados el patróninicial (1), dosintermedios (2,3) yel patrón final (4)


Patrones globalesGARRIDO, J. M.- ORTÍN, I.- QUAZZA, S.- SALZA, P. L.- MANCINI, F. (2000) "Desarrollo de un módulo de



Curva melódica delenunciado ‘El acto de lafirma transcurrió tal ycomo habían pactadoambas delegaciones lavíspera’, pronunciadapor un locutormasculino. Las líneasrectas representan las‘líneas de referencia’correspondientes a lospuntos P (superior) y V(inferior) de la curvamelódica


Grupos entonativosGARRIDO, J. M.- ORTÍN, I.- QUAZZA, S.- SALZA, P. L.- MANCINI, F. (2000) "Desarrollo de un módulo de



Curva melódicacorrespondiente alenunciado ‘El acto de lafirma transcurrió tal ycomo habían pactadoambas delegaciones lavíspera’ pronunciadopor un locutorfemenino. Sobre cadagrupo entonativo se handibujado las líneas dereferenciacorrespondientes


Evaluación del modeloGARRIDO, J. M.- ORTÍN, I.- QUAZZA, S.- SALZA, P. L.- MANCINI, F. (2000) "Desarrollo de un módulo de



• 24 pares formados por estímulo natural -estímulo sintetizado

• 10 jueces expertos y 20 no expertos

• Evaluación del grado de semejanza entrela curva melódica natural y la sintetizadaen una escala del 1 al 4


Evaluación del modeloGARRIDO, J. M.- ORTÍN, I.- QUAZZA, S.- SALZA, P. L.- MANCINI, F. (2000) "Desarrollo de un módulo de




Módulo de generación de parámetros prosódicosCASTEJÓN, F. - ESCALADA, G. - MONZÓN, L. - RODRÍGUEZ, M. A. - SANZ, P. (1994) "Un


Alófonos: el se. N~or xo. s’e luis l’o. peT [sil] tj’e.ne Dos.Tj’en. tas ‘u. na B’i. N~as [sil]

Categorías: ART N NP NP NP V NUM NUM N SIG

Alófonos: el se. N~or xo. s’e luis l’o. peT [sil] tj’e.ne Dos.Tj’en. tas

PROSOPROSO

Duraciones (ms): 76 60 56 65 89 75 43 67 56 60 60Duraciones (ms): 76 60 56 65 89 75 43 67 56 60 60

Entonación (Hz):Entonación (Hz):


Las etapas en la conversión de texto enhabla








• Conjunto de reglas que tiene como objetivo:

• Asignar valores de parámetros acústicos acada segmento o a cada unidad de síntesis

• Especificar las transiciones entre segmentos

• Los valores de los parámetros acústicoscontrolan un sintetizador que produce laonda sonora correspondiente al mensaje


Concatenación de unidades almacenadasmediante síntesis paramétrica

• Creación de un diccionario de unidades dediccionario de unidades desíntesissíntesis

•• ParametrizaciónParametrización de las unidades

•• Modelo del tracto vocalModelo del tracto vocal para la síntesis a partirde los parámetros utilizados

Síntesis por LPC (Linear Predictive Coding)

Síntesis por formantes


Módulo de conversión en parámetros acústicosCASTEJÓN, F. - ESCALADA, G. - MONZÓN, L. - RODRÍGUEZ, M. A. - SANZ, P. (1994) "Un


• Módulo de síntesis

• Transforma la información dela secuencia de unidades desíntesis y de los parámetrosprosódicos en una onda sonora


Módulos de conversión en parámetros acústicos para laconversión de texto a habla

CASTEJÓN, F. - ESCALADA, G. - MONZÓN, L. - RODRÍGUEZ, M. A. - SANZ, P. (1994) "Unconversor texto-voz para el español", Comunicaciones de Telefónica I+D, 5, 2: 114-131

Alófonos: el se. N~or xo. s’e luis l’o. peT [sil] tj’e.ne Dos.Tj’en. tas ‘u. na B’i. N~as [sil]

Duraciones (ms): 76 60 56 65 89 75 43 67 56 60 60

Entonación (Hz):

PARLAPARLA Selección de unidades de síntesis en elSelección de unidades de síntesis en elinventarioinventario

Generación de tramas de síntesisGeneración de tramas de síntesis

SÍNTESISSÍNTESIS Conversión en una onda sonora mediante elConversión en una onda sonora mediante elsintetizadorsintetizador


Módulos de un conversor de texto en habla

Las etapas en la conversión de texto en habla -...

Documents

Transcript of Las etapas en la conversión de texto en habla -...