Skalierbare akustische Synthese für konkatenative Sprachsynthesesysteme

In dieser Arbeit werden verschiedene Verfahren zur Skalierung der akustischen Synthese für konkatenative Sprachsynthesesysteme untersucht, umgesetzt und evaluiert. Das Hauptaugenmerk liegt dabei in der Verringerung des Speicherbedarfs der für konkatenative Synthesesysteme notwendigen Inventare.

Voraussetzungen für die akustische Synthese mit sehr kleinen Inventaren sind die Parametrisierung des Sprachsignals im Sinne eines Quelle-Filter-Modells, die effektive Kodierung dieser Parameter und die Synthese mit diesen Parametern. Das Buch enthält eine ausführliche Beschreibung der in der Sprachverarbeitung gebräuchlichen Parameter: LPC, Cepstrum, Generalized Cepstrum, LSF, Cepstrum-LSF, Generalized Cepstrum-LSF sowie ihrer jeweiligen mel-transformierten Variante. Diese Beschreibung umfasst die Berechnung der Parameter, deren Transformationen untereinander und deren Resynthese. Es werden die Methoden der akustischen Synthese einschließlich der prosodischen Manipulation, die Methoden der Verkettung der Bausteine mit der Glättung der Parameter sowie die Methoden der Änderung der Stimmcharakteristik erläutert.

Diese Methoden sind die Grundlage für die im Buch beschriebenen Inventarkomprimierungen mit standardisierten (AMR, Speex, u.a.) Kodierern und einer eigenen HMM-basierten Kodierung sowie der akustischen Synthese mit diesen Inventaren. Es wird gezeigt, dass sich die Inventare mit Standardkodierern bis auf fünf Prozent und mit der HMM-basierten Kodiermethode bis auf fünf Promille der Größe der Ursprungsinventare komprimieren lassen.

Die Ergebnisse der Evaluationen bestätigen den vertretbaren Qualitätsverlust bei der akustischen Synthese durch die Komprimierung der Inventare.