Как это работает? | Синтез речи

Как это работает? | Синтез речи

В прошлом выпуске мы говорили о распознавании речи, сегодня же обсудим обратную задачу. Итак, как происходит синтез речи, или, иными словами, преобразование произвольного текста в голос — об этом в сегодняшнем выпуске!

Как это работает? | Синтез речи

Задача синтеза речи решается в несколько этапов. Прежде всего специальному алгоритму необходимо подготовить текст, чтобы роботу было удобно его читать: он записывает все числа словами и расшифровывает сокращения. Затем текст разбивается на отдельные словосочетания, которые нужно читать с непрерывной интонацией — для этого система ориентируется на знаки препинания и устойчивые конструкции.

Как это работает? | Синтез речи

Далее для всех слов составляется фонетическая транскрипция. Чтобы понять, как читать слово и где поставить в нём ударение, система обращается к встроенным, составленным людьми словарям. Если нужное слово в них отсутствует, компьютер строит транскрипцию самостоятельно, опираясь на академические правила. Если же их оказывается недостаточно, в дело вступают статистические правила: система перебирает записи дикторов и определяет, на какой слог они делали ударение.

Когда транскрипция составлена, компьютер рассчитывает, сколько в ней фреймов, или, иными словами, фрагментов длиной 25 миллисекунд. Далее каждый фрейм описывается множеством параметров: частью какой фонемы он является, какое место в ней занимает, в какой слог входит эта фонема. Также описывается ударность или безударность фонемы, в случае если это гласная. Кроме того, система создает правильную интонацию, используя данные о фразе и предложении.

Затем система задействует акустическую модель, чтобы прочитать подготовленный текст. Она устанавливает соответствия между фонемами с определёнными характеристиками и звуками. Акустическая модель знает, как правильно произнести фонему и придать верную интонацию предложению благодаря машинному обучению. Чем больше данных, на которых учится модель, тем лучше выдаваемый ей результат.

Как это работает? | Синтез речи

Что же касается голосов, то узнаваемыми их делает, в первую очередь, тембр, который зависит от особенностей строения органов речевого аппарата. Тембр любого голоса можно смоделировать, то есть описать его характеристики — для этого достаточно начитать в студии небольшой объем текстов. После этого данные о тембре можно использовать при синтезе речи на любом языке. Когда системе нужно что-то сказать, она использует генератор звуковых волн — вокодер. В него загружается информация о частотных характеристиках фразы, полученная от акустической модели, а также данные о тембре, который придаёт голосу узнаваемую окраску.

Стоит отметить, что современные технологии синтеза речи имеют некоторые проблемы. Первая их них заключается в искусственности. Любая синтезированная речь воспринимается человеком с трудом, и он вынужден задействовать дополнительные ресурсы для ее понимания. Тем самым люди могут нормально воспринимать синтезированную речь только около 20 минут. Также у синтезированной речи, как правило, отсутствует эмоциональная окраска, и она имеет низкую помехоустойчивость. Иными словами, восприятию синтезированной речи человеку мешают любые, даже самые небольшие посторонние шумы.

Как это работает? | Синтез речи Hi-News.ru

0 не понравилось

13-07-2017 19:00 | просмотров 49 |

Прямая ссылка:
BB-code ссылка:
HTML ссылка:
Понравилась статья? ПОДЕЛИСЬ в соц. сетях!
Комментарии

НАПИСАТЬ КОММЕНТАРИЙ

Похожие новости

Как это работает? | Распознавание речи

Первое устройство для распознавания речи появилось в 1952 году, оно могло понимать произнесённые человеком цифры. 40 лет спустя были представлены первые коммерческие программы, распознающие речь

Искусственный интеллект научился грамотно распознавать речь среди шума

Виртуальные ассистенты и системы распознавания голоса достаточно хорошо научились «узнавать» то, что им говорит человек, и выполнять его команды. Но для корректной работы тех же Siri и Cortana

Новый микрочип позволит оснастить функцией распознавания речи даже самые ми ...

  Сегодня все мы уже привыкли к тому, что наши мобильные устройства имеют голосовых ассистентов с функцией распознавания речи, да и многие приложения на смартфонах имеют данную функцию. Однако,

Специалисты Яндекс научили своего «автопоэта» читать стихи вслух

Российская IT-компания Яндекс начала свои эксперименты с автоматически генерируемой поэзией ещё в 2006 году, а спустя семь лет компания представила публике проект «Автопоэт». Особенность этого

Синтезатор голоса Стивена Хокинга стал достоянием общественности

Стивен Хокинг не только один из самых выдающихся физиков-теоретиков нашего времени, но также он обладатель потрясающей силы воли. Не каждый найдёт в себе смелость в течение десятилетий противостоять
Информация
Посетители, находящиеся в группе Гости, не могут оставлять комментарии к данной публикации.