Поиск

Полнотекстовый поиск:
Где искать:
везде
только в названии
только в тексте
Выводить:
описание
слова в тексте
только заголовок

Рекомендуем ознакомиться

'Документ'
1. Восприятие и истолкование стихотворения А.С. Пушкина «Пророк».2. «Приход Луки только на минуту ускоряет пульс замирающей жизни, но ни спасти, ни по...полностью>>
'Документ'
Рассмотрев вопросы состояния туризма в Российской Федерации, участники «круглого стола» отмечают, что несмотря на то, что за последние годы проблемы ...полностью>>
'Рабочая программа'
В настоящем курсе излагаются основные понятия теории функций комплексной переменной. Понятие комплексного числа возникло в первую очередь в результат...полностью>>
'Программа'
Дэвид Ремник - главный редактор журнала «Нью-йоркер», американский журналист и писатель, лауреат Пулицеровской премии 1994 года за книгу «Мавзолей Лен...полностью>>

Лингвистическое обеспечение программного синтеза речи

Главная > Документ
Сохрани ссылку в одной из сетей:

Н. В. Зиновьева, О. Ф. Кривнова

ЛИНГВИСТИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ПРОГРАММНОГО СИНТЕЗА РЕЧИ

1. Введение

В настоящей статье описывается принципы создания лингвис­тического обеспечения программного синтеза речи, существенной частью которой являются знания о звуковой системе русского языка.

Важно отметить, что программный синтез речи, построенный с использованием лингвистически обоснованных алгоритмов и пра­вил, является в то же время моделью функционирования звуковой системы языка. Это не просто некоторое теоретическое построе­ние, а вполне конкретный инструмент, позволяющий контролиро­вать и проверять исходные модельные представления.

Вместе с тем понятна и прикладная значимость действующих систем автоматического синтеза речи. В частности, для достиже­ния современного уровня преподавания русского языка как иност­ранного и иностранных языков русскоязычным студентам необходи­мо использовать современные компьютерные методы обучения с опорой на естественно звучащий автоматический синтез речи. На основе такого синтеза речи могут быть созданы массовые и дос­таточно дешевые программы и тренажеры, обучающие чтению, т. е. обеспечивающие одновременное овладение графикой изучаемого языка в соотнесении с произносительными нормами. Кроме того, такие тренажеры могут использоваться для исправления произно­сительного акцента.

Разработка системы, обеспечивающей естественно-речевое общение человека и ЭВМ, во многом облегчает доступ к компь­ютерной технике для специалистов гуманитарного профиля, в частности, филологов, работающих с текстами. Возможность естественного озвучивания текстов создает психологически ком­форт­ную среду для работы на компьютере.

Автоматический анализ и синтез слитной речи является обя­зательным компонентом систем искуственного интеллекта и необ­ходимым условием развития информационно-справочных систем, т. к. их потенциальным пользователем становится любой человек, имеющий телефон: он может звонить по телефону, запрашивать ин­формацию в обычной речевой форме, и в такой же форме ее полу­чать.

Практическая потребность в создании такого рода систем весьма велика и в социальной сфере, например, как средство со­циальной реабилитации слепых и слабовидящих. Создание речевого дисплея в виде так называемого “электронного чтеца” кардиналь­но расширяет возможности обучения и интеллектуального обслужи­вания людей с такого рода физическими недостатками.

В популярных описаниях [1, 2] методов автоматического син­теза речи предлагается следующая классификация:

1. Метод непосредственного кодирования речевой волны (дискретизация и сжатие) с последующим ее восстановлением.

2. Формантный или параметрический синтез.

3. Цифровое моделирование голосового тракта или синтез, основанный на принципах линейного прогнозирования (КЛП-син­тез).

Совершенно очевидно, что первый метод представляет собой процедуры аналого-цифрового (АЦП) и цифро-аналогового (ЦАП) преобразований и может рассматриваться как синтез лишь при очень широком понимании этого термина.

После появления на рынке речевых технологий достаточно большого количества плат АЦП-ЦАП этот метод как таковой утра­тил научный интерес, хотя как доступный механизм ввода-вывода речи в ЭВМ открыл широкий простор для развития других методов синтеза.

В основу второго метода положены принципы акустического моделирования голосового тракта человека. Если так понимать идею формантного синтеза, то под него естественным образом подпадает и третий метод (по определению). Содержательное раз­личие этих методов, заставляющее исследователей все же отно­сить их к разным типам, заключается в принципах этого модели­рования. Метод, называемый формантным, исходит из акустической теории речеобразования и формирует исходное описание звуковой цепи на основании знаний о том, какими должны быть ее акусти­ческие характеристики в той или иной точке звучания. Это — синтез в чистом виде, так как он основан исключительно на рас­четных модельных представлениях аэродинамики речевого тракта. Этот тип синтеза порождает некоторое речеподобное звучание, хотя и достаточно неестественное, о чем свидетельствует опыт построения таких систем у нас и за рубежом. Содержательно бо­лее удачным обозначением этого типа синтеза является “синтез по правилам”, так как в основе его лежат расчетные правила оп­ределения характеристик синтезируемого речевого сигнала.

Так называемые методы математического моделирования го­лосового тракта основаны на таком фундаментальном факте, как относительно медленное изменение параметров тракта при речеоб­разовании. Это дает возможность предсказывать параметры (или коэффициенты) последующих участков речевого сигнала на основа­нии знаний параметров текущего участка. Преимущество такого прогнозирования заключается в сокращении объема вычислений значений кодируемых параметров и памяти, необходимой для хра­нения речевого сигнала в цифровом виде. Таким образом, при бо­лее детальном анализе этого типа синтеза можно отнести его к первому методу, понимаемому несколько расширительно, а именно, как методу некоторого цифрового кодирования речевого сигнала с последующим его восстановлением. Существенно, однако, что КЛП-метод позволяет при этом управ­лять определенными парамет­рами в исходном речевом сигнале, в частности, основным тоном, длительностью и интенсивностью, что делает его более гибким, чем собственно метод ЦАП-АЦП.

В общепринятых классификациях не упоминается такой метод синтеза, как компиляция. Этот метод, в отличие от синтеза по правилам, оперирует заранее записанными (оцифрованными) участ­ками речи, но, в отличие от методов кодирования-восстановле­ния, позволяет озвучивать произвольный текст, а не заранее за­данный словарь или фразарий.

Суммируя сказанное, можно представить классификацию мето­дов синтеза в следующем виде:

1. Цифровое кодирование — восстановление речи.

2. Синтез по правилам.

3. Компилятивный синтез.

Существует и другое основание для классификации типов синтеза, которое часто смешивается с изложенной классификаци­ей. Это основание — по базовым единицам синтеза. В соот­ветствии с этим основанием синтез делится на фонемный, слого­вой, дифонный, трифонный, словесный и фразовый. Очевидно, что первый метод синтеза как правило является словесным или фразо­вым, второй метод — чаще всего фонемным, а компилятивный метод не имеет ограничений на выбор базовой единицы. Естественно, наиболее привлекательными являются такие методы синтеза, кото­рые позволяют генерировать произвольный текст при относительно небольших затратах памяти и скорости обработки информации. В первую очередь это достигается синтезом по правилам, что ста­вило до сих пор этот тип синтеза в центр внимания исследовате­лей. Однако по ряду причин, главной из которых, вероятно, яв­ляется упрощенное понимание природы речевого сигнала и непол­нота теории речеобразования, с помощью этого метода не удается достичь высокой помехоустойчивости и естественности синтезиро­ванной речи. Это заставляет обращаться к таким методам синте­за, которые используют в качестве ис­ходного материала нату­ральную речь и позволяют сохранить (хотя бы частично) присущие ей свойства помехоустойчивости и естественности звучания. Вместе с тем, сохраняется и требование возможности синтеза произвольного текста. Эти два требования приводят к мысли о необходимости комбинирования различных методов синтеза, и именно один из таких подходов описывается в настоящей статье.

В основе предлагаемой нами системы программного синтеза речи лежит идея совмещения методов компиляции и синтеза по правилам. Метод компиляции при адекватном наборе исходных эле­ментов обеспечивает качественное воспроизведение спектральных характеристик речевого сигнала, а набор правил — возможность формирования естественного просодического оформления высказы­ваний.

2. Архитектура системы комбинированного компилятивно-алгоритмического
синтеза речи

Архитектура предлагаемой системы программного синтеза ре­чи включает следующие функциональные блоки:

А. Автоматический транскриптор, переводящий орфографи­ческий текст в последовательность звукотипов, организованных в отдельные фразы или синтагмы с приписанными им маркерами мело­дических контуров.

Б. Блок текущей кодировки, преобразующий транскрипционную запись в последовательность кодов (имён) базовых элементов компиляции.

В. Блок текущей временной и мелодической параметризации, приписывающий звукотипам временные (в мсек) и тональные (в по­лутонах) характеристики.

Г. Блок текущего формирования управляющих данных для КЛП-синтеза в виде последовательности кодовых имен базовых элементов компиляции с приписанными им временными и тональными (в Гц) характеристиками.

Д. Лингвистически обоснованный набор базовых элементов компиляции, представленных в виде последовательносте векторов коэффициентов линейного прогноза.

Е. Блок ЦАП.

текст



транскриптор





блок текущей блок текущей временной
кодировки и мелодической параметр



блок текущего формирования
управляющих данных для синтеза

инвентарь базовых элементов компиляции



цап



звуковой сигнал

Рис. 1. Блок-схема программного синтеза речи комбиниро­ванным методом компиляции
и синтеза по правилам.

Рассмотрим более подробно устройство и функции основных лингвистических блоков системы.

3. Инвентарь базовых элементов компиляции

В известных системах компилятивного синтеза в качестве элементов компиляции используются различные типы единиц: алло­фоны, дифоны, слоги, полуслоги, двуслоги и т. д. Эти единицы выбираются так, чтобы, с одной стороны, избежать трудностей в отражении коартикуляционных процессов, а с другой стороны, не перегружать машинную память черезмерным их количеством. Выбор того или иного типа единиц имеет свои преимущества и недосс­татки.

Использование сложных единиц (т. е. единиц более чем фо­немной размерности) приводит к необходимости хранения доста­точно большого количества элементов компиляции. Кроме того, выбор этого типа единиц не снимает окончательно проблемы их адекватной стыковки при синтезе слитной речи.

Преимуществом выбора сложных единиц является относитель­ная простота формирования словаря элементов компиляции, кото­рый получается путём полного исчисления единиц выбранного типа для синтезируемого языка.

Выбор аллофонов (акустически и перцептивно различимых контекстных реализаций фонем) имеет такие преимущества, как сокращение памяти для их хранения в оцифрованном виде (за счет меньшей длительности, чем длительность сложных единиц) и возможность сокращения необходимого набора путем обобщения тож­дественных контекстных влияний. Следует отметить, что при удачном обобщении практически решается и проблема адекватной стыковки базовых элементов компиляции при синтезе речи. Однако задача поиска возможных обобщений и тем самым определения оп­тимального набора аллофонов может быть решена лишь с учетом знания акустических рефлексов коартикуляционных процессов. Та­кой подход можно считать основанным на фонетических знаниях в том понимании, которое принято в исследованиях по искусствен­ному интеллекту.

В предлагаемом нами варианте лингвистического обеспечения синтеза речи избран именно этот подход, т. е. в качестве базо­вых элементов компиляции выбраны аллофоны, оптимальный набор которых и представляет собой акустико-фонетический словарь синтеза. В нашей версии этот словарь включает в себя 667 еди­ниц. В большинстве случаев элементы компиляции представляют собой сегменты речевой волны фонемной размерности, однако в ряде случаев это соответствие нарушается. Например, для синте­за смычных и вибрантов используется более одного акустического сегмента, а для синтеза некоторых двухсимвольных последова­тельностей, в частности, заударных флексий, используется один акустический сегмент.

При формировании оптимальной акустико-сегментной базы данных, мы исходили из следующих общеизвестных принципов:

— количество контекстно обусловленных аллофонов (КОА) гласных существенно больше контекстно обусловленных аллофонов согласных;

— для гласных более важным является левый контекст, а для согласных — правый, т. е. взаимодействие сегментов в сочетании СГ существенно больше, чем в сочетании ГС;

— разные согласные в разной степени подвержены кон­текстному влиянию, что предполагает разное количество кон­текстно обусловленных аллофонов.

Формирование имен файлов, содержащих базовые элементы компиляции, — особый вопрос, который тесным образом связан с проблемой кодировки текста в процессе синтеза.

Несмотря на необходимость достаточно гибкого подхода к формированию наборов КОА для разных звукотипов, принципы их кодировки должны быть едиными, коды должны включать в себя ин­формацию о типе сегмента и его контекстной окраске, чтобы обеспечить правильный выбор аллофонов по входным транскрипци­онным записям.

Мы избрали следующий подход: каждый аллофон кодируется набором из шести цифр, из которых первые две обозначают номер аллофона, следующие за ними две цифры — тип левого контекста, а две последние — тип правого контекста. Из двух первых цифр номера звукотипа первая цифра обозначает его класс, а вторая — собственно номер звукотипа в пределах этого класса. Это позво­ляет сгруппировывать звукотипы, в одинаковой мере подверженные контекстному влиянию, и в соответствии с этим строить свои правила кодировки для разных классов. Таким образом, обеспечи­вается достаточно гибкая процедура кодировки, позволяющая учесть различную степень подверженности разных звукотипов кон­текстным влияниям.

Всего нами сформировано 10 классов звукотипов, из них 8 — для согласных и два для гласных. Вообще говоря, все гласные, по нашему мнению, подвергаются одинаковой (и достаточно боль­шой) степени контекстного влияния, но по некоторым соображени­ям мы всё же разбили их на класс ударных и класс безударных.

Согласные распределяются по классам следующим образом. Классы 0 и 1 соответствуют звонким и глухим смычным. Для этих классов левый контекст не определяется, что в кодах отражается двумя нулями на соответствующем месте, а правые контексты сво­дятся в четыре основных типа: огубленные, конечные, мягкие и все остальные.

Для классов 2 и 3 (твёрдые и мягкие фрикативные, кроме [х] и [х’]) левый контекст учитывается в минимальной степени, т. е. рассматриваются всего два типа контекстов: начальные и все остальные, а в качестве правых контекстов выделяются те же типы, что и для классов 0 и 1.

Класс 4 (все носовые) в наименьшей степени подвержен кон­текстному влиянию, и для него вообще не рассматриваются ни ле­вые, ни правые контексты.

Классы 5 (плавные сонанты и [в], [в’], [х], [х’]), 6 (виб­ранты) и 7 ([j]) в наибольшей степени подвержены контекстным влияниям, и для них сформированы детальные правила кодировки и правых, и левых контекстов.

Предложенная процедура разбиения на классы позволяет варьировать количество хранящихся в памяти контекстно обуслов­ленных аллофонов от одного (для звукотипов 4-ого класса) до 11 (для звукотипов 5-ого, 6-ого и 7-го классов).

Следует также упомянуть, что звукотипы классов 0, 1 и 6 представляют собой составные единицы, и для них в аллофонной базе данных хранятся отдельные части аллофонов, а в блоке ко­дировки, соответственно, специальные правила их кодирования.

Для каждого гласного звукотипа выделяется 10 левых и 5 правых контекстов. В качестве левых контекстов выделяются зуб­ной неносовой, губной неносовой, заднеязычный, зубной носовой, губной носовой, альвеолярный, мягкий неносовой, мягкий зубной носовой, мягкий губной носовой, начальный. В качестве правых контекстов выделяются переднеязычный, губной, альвеолярный, мягкий и конечный. В результате учета всех вышеперечисленных контекстных влияний для большинства гласных звукотипов в алло­фонной базе данных хранится по 50 аллофонов (исключение составляют звуки, количество рассматриваемых контекстов для которых ограничено звуковой комбинаторикой русского языка).

Особый случай представляют собой правила кодировки (и, соответственно, последующей склейки) зияний и квазизияний в заударных суффиксально-флексийных комплексах. В последнем слу­чае мы говорим о квазизияниях, потому что на фонемном уровне гласные в этих комплексах как правило разделены йотом. Однако на акустическом уровне сохраняются лишь определенные рефлексы йота, что позволило транскрипционную последовательность йГ (где Г — любой безударный гласный) кодировать одним аллофоном по специально разработанному правилу. Такого же рода операция производится при кодировке стечений переднего редуцированного гласного [ь] и любого гласного. Для кодировки других типов зи­яний все гласные были включены в списки перечисленных выше правых и левых контекстов, что позволяет кодировать их соот­ветствующим номером.

Акустико-сегментная база данных, получившаяся в результа­те предложенного подхода, включает в себя 137 сегментов для согласных звукотипов и 530 — для гласных и при хранении в оцифрованном виде занимает около 1-го мегабайта машинной памя­ти.

4. Транскриптор

Транскриптор осуществляет перевод буквенных последова­тельностей (текс­тов в орфографической записи) в символьную за­пись, единицу которой мы будем далее называть звукотипом. В состав транскриптора входят блоки следующих преобразований: переход “буква-фонема”, переход “фонема-звукотип” и текстовый процессор.

Блок перехода “буква-фонема” осуществляет такие операции над орфографической записью, как, например, устранение орфог­рафических фикций (типа ‑ого, -его в окончаниях), обработка особых случаев произнесения стечений согласных, устранение твердых и мягких знаков, обработка йотированных и мягких букв с соответствующей интерпретацией твердости-мягкости соседних согласных и введением йота (подробнее см. [3]).

Блок перехода “фонема-звукотип” включает правила, обраба­тывающие случаи позиционного озвончения, оглушения согласных и редукции гласных (в соответствии с известной формулой А. А. По­тебни).

Для каждой степени редукции использовались следующие пра­вила замен фонем на редуцированные звукотипы.

1-ая степень редукции

фонема

позиционно обусловленные звукотипы

#+Г

Г+Г

С+Г

С’+Г

Г+#

СГ

о

а

а*

а*

и

а*

а

а

а

а

а*

и

а

а

э

э

э

ы*

и

э

э

ы

ы

ы

ы

ы

и

и

и

и

и

и

у

у2

у2

у2

у2

у2

у2

2-ая степень редукции

фонема

позиционно обусловленные звукотипы

С+Г

С’+Г

о

ъ

ь

а

ъ

ь

э

ъ

ь

ы

ъ

и

ь

у

у1

у1

Где:

Г – транскрибируемый гласный

Г – гласный (любой)

С – твердый согласный (любой)

С’ – мягкий согласный (любой)

– словораздел

# – абсолютное начало / абсолютный конец слова.

* – наличие исключений, которые задаются списками.

– – в этой позиции данный гласный не встречается

Блоки словарного транскриптора содержат не только общие правила произнесения, распространяющиеся на подавляющее боль­шинство слов, но и списки исключений, позволяющие транскриби­ровать слова с нестандартным произношением (в большинстве сво­ем это слова иностранного происхождения). Кроме того, для пользователя предусмотрена возможность формирования собствен­ного словаря слов с нестандартным произношением.

Блок текстового процессора обрабатывает межсловные стыки (для гласных и согласных) и служебные слова, превращая их в проклитики, энклитики и слабоударные слова. Этот блок вносит определенные текстовые модификации в формулу Потебни. Кроме того, в рамках этого блока осуществляется выбор типа мелоди­ческого контура синтагмы на основании знаков препинания, а также выбор главноударного слова в синтагме.

Для обработки служебных слов задаются три следующих спис­ка:

— список слов-проклитик, которые приклеиваются к последую­щему слову, теряют ударность и далее транскрибируются по общим правилам, кроме случая, когда проклитика оканчивается на сог­ласный, а последующее слово начинается на йотированный гласный (я,ю,е,ё) — в этом случае пробел обрабатывается как орфографи­ческий твердый знак;

Например: “по+д е+лью”   [падй’э+л’й’у2]

— список слов-энклитик, которые приклеиваются к предыдуще­му слову, теряют ударность и далее транскрибируются по общим правилам;

Например: “сказа+л же+”   [сказа+лжэ]

— список слабоударных слов, которые не приклеиваются ни к какому из знаменательных слов, но при этом их ударный гласный редуцируется до 1-ой степени редукции с сохранением качества;

Например: “скво+зь тума+н”   [сквос’ ту2ма+н]

Текстовые модификации формулы Потебни состоят в следующем:

— начальный неударный гласный аллофон слова всегда сохраня­ет первую степень редукции;

— в случае стечения двух гласных аллофонов внутри одного слова второй аллофон, если он безударный, всегда имеет первую степень редукции;

— безударный гласный в открытом конце слова внутри синтагмы приобретает вторую степень редукции, кроме случая, когда сле­дующий слог ударный; в этом случае он сохрняет первую степень редукции.

Для маркировки мелодического контура синтагмы использу­ются знаки >, <, —, ?, /, которые ставятся вместо знака + после ударного гласного главноударного слова в соответствии со зна­ками препинания в орфографическом тексте.

5. Блок текущей кодировки

Блок кодировки работает следующим образом. Практически всегда он рассматривает последовательность из трех символов входной транскрипции […yxz…], где x — кодируемый элемент, y — левый контекст, а z — правый. Для каждого из элементов триады существуют специальные списки, которые определяют класс звукотипа (для x) и тип контекста (для y и z). Класс звукоти­па, как уже говорилось выше, определяет выбор правил анализа контекстов, что позволяет в ряде случаев сократить процедуру перебора до минимума, а также сократить акустико-сегментную базу данных до оптимального объёма.

6. Блок текущей временной и мелодической параметризации

Данный блок в нашей системе содержит правила временного и мелодического оформления синтагм с учетом их ритмического строения и сегментного наполнения. Функция этих правил состоит в том, чтобы определить временные (в мс) и мелодические в (по­лутонах) характеристики для транскрипционных единиц, которые при обработке текста формируются транскриптором. Необходимые для этого предварительные операции: выделение синтагм, выбор типа мелодического контура, определение степени выделенности (ударности-безударности) входящих в синтагму гласных и сим­вольного звукового наполнения слоговых комплексов, — осущест­вляются блоком автоматического транскриптора.

Правила временного оформления синтагмы сформулированы от­дельно для гласных и согласных.

Правила, задающие временные характеристики гласных в об­рабатываемой синтагме, учитывают степени выделенности (редук­ции) гласного (4 градации) и его фонетическое качество (сте­пень открытости — 3 градации). Кроме того, для ударного гласного последнего полнозначного слова учитывается число сло­гов в слове и количество ударных гласных, предшествующих дан­ному в синтагме. Предусмотрено также продление гласных (неза­висимо от степени их редукции и фонетического качества) в по­зиции абсолютного конца синтагмы. Что касается влияния сог­ласных на длительность гласных, то оно учитывается лишь в наи­более ярких случаях, прежде всего, для гласных в позиции перед интервокальными вибрантами.

Для последовательностей гласных, образующих единый эле­мент компиляции (заударные флексии), действует правило адди­тивного сложения длительностей, задаваемых другими правилами временного процессора.

Правила, определяющие временные характеристики согласных учитывают следующие факторы: позиция согласного относительно границ синтагмы и фонетического слова; интервокальная-неинтер­вокальная позиция; позиция в кластере (стечения согласных); простой-сложный состав базовых элементов компиляции, необходи­мых для звукового синтеза согласных.

Во временной процессор входят также правила, задающие длительность паузы после окончания синтагмы (конечной-неконеч­ной), которые необходимы для синтеза связного текста.

Правила мелодического оформления синтагмы задают два то­нальных значения (в полутоновой шкале) каждому транскрипцион­ному сегменту в качестве его начальной и конечной характе­ристик. Полутоновые характеристики (начальная и конечная) фор­мируются текущим образом (слева направо) слоговыми циклами, т. е. в рамках последовательности (Cn)Г, где Cn — любое число согласных, в том числе 0, предшествующих гласному.

В нашей системе мелодический процессор содержит правила для формирования следующих типов мелодических контуров: завер­шенность, два вида незавершенности, общий вопрос, специальный вопрос. Для всех контуров, кроме последнего, учитывается воз­можность разного положения главноударного слога (мелодического центра) синтагмы. Специальный вопрос формируется для случая совпадения мелодического центра с вопросительным местоимением.

При определении мелодических характеристик транскрипцион­ных элементов, входящих в обрабатываемый слог, учитываются следующие факторы: тип мелодического контура синтагмы; положе­ние слога относительно мелодического центра контура (совпаде­ние, слева, справа); положение слога относительно начальной и конечной границы синтагмы; степень выделенности (редукции) гласного в обрабатываемом слоге; степень выделенности (редук­ции) гласного, непосредственно предшествующего обрабатываемому слогу; число символьных элементов в слоге; тип символьного элемента слога (согласный, гласный) и положение этого элемента относительно начала слога (первый-непервый); фонетическое ка­чество согласных в слоге (глухость-звонкость).

7. Блок формирования управляющих данных для синтеза

Этот блок объединяет результаты кодировки текста в терми­нах имен базовых элементов компиляции и временной и мелодичес­кой параметризации. В процессе работы этого блока формируется таблица стандартного формата, которая включает коды аллофонов для выбора элементов компиляции и задаемые правилами просоди­ческого оформления длительности и тональные характеристики для необходимой модификации каждого элемента в процессе синтеза звуковой реализации целостной синтагмы.

8. Заключение

На основании описанного макета в настоящее время созданы базы данных и лингвистическое обеспечение для синтеза произ­вольного текста в женском и мужском произнесении. Дальнейшая работа может производиться в различных направлениях: в увели­чении разнообразия голосов, в уточнении инвентарного состава базовых элементов компиляции, в разработке блока энергети­ческой параметризации, в расширении массива синтаксических данных, учитываемых транскриптором, для увеличения адекват­ности мелодической параметризации и т. д. Принципы построения предлагаемой системы лингвистического обеспечения синтеза речи не зависят от языкового материала и могут быть использованы для разработки аналогичных систем на материале иностранных языков.

Мы приносим благодарность всем коллегам, которые вместе с нами принимали участие в этой работе: Л. М. Захарову, И. Г. Фроло­вой, А. Ю. Фролову, а также сотрудникам СП ПараГраф.

Литература

1. Дж. Кейтер. Компьютеры — синтезаторы речи. М., Мир, 1985.

2. Н. К. Обжелян, В. Н. Трунин-Донской. Речевое общение в системах “человек-ЭВМ”. Кишинев, “Штиинца”, 1985.

3. Л. В. Златоустова, С. В. Кодзасов, О. Ф. Кривнова, И. Г. Фро­лова. Алгоритмы преобразования русских орфографических текстов в фонетическую запись. Москва, МГУ, 1970.



Скачать документ

Похожие документы:

  1. Фёдоровна ритмизация и интонационное членение текста в "процессе речи-мысли" ( опыт теоретико-экспериментального исследования)

    Автореферат
    Работа выполнена на кафедре теоретической и прикладной лингвистики филологического факультета Московского государственного университета имени М.В. Ломоносова
  2. Методические указания к курсу «компьютерные технологии в образовательном процессе» для студентов 5 курса стационара отделения русского языка и литературы, романо-германского отделения, магистров факультета филологии и журналистики

    Методические указания
    На изучение курса "Компьютерные технологии в образовательном процессе" отводится в девятом семестре 34 часа. Из них на лекции - 14 часов, на семинарские занятия - 18 часов, на лабораторные занятия - 2 часа.
  3. Программа минимум кандидатского экзамена по специальности 10. 02. 01  «Русский язык» (1)

    Программа
    Цель кандидатского экзамена по специальности 10.02.01 – «Русский язык» состоит в проверке приобретенных аспирантами и соискателями ученой степени кандидата наук знаний, касающихся важнейших проблем теории и истории русского языка,
  4. Программа минимум кандидатского экзамена по специальности 10. 02. 01  «Русский язык» (2)

    Программа
    Цель кандидатского экзамена по специальности 10.02.01 – «Русский язык» состоит в проверке приобретенных аспирантами и соискателями ученой степени кандидата наук знаний, касающихся важнейших проблем теории и истории русского языка,
  5. Обеспечение производства ЭВМ базовые понятия (сапр/астпп/саит)

    Документ
    Проектирование – процесс создания описания, необходимого для построения в заданных условиях еще не существующего объекта на основе его первичного описания.

Другие похожие документы..