Диссертация (1101009), страница 2
Текст из файла (страница 2)
В этой связи при оценке качествасинтезированной речи необходимо обратить особое внимание на специфическиеособенности звучания речи, связанные с его использованием.В этой области речевых технологий существует множество исследований,однако в данный момент для современных русскоязычных синтезаторов (такназываемых синтезаторов третьего поколения по классификации П. Тейлора[Taylor 2009]), способных генерировать речь, по звучанию очень близкую кестественной,степеньразработанностипроблемыоценкикачества 6 синтезированной речи невелика: пока нет единой общепринятой системы оценки[Соломенник и др.
2013(a)]. Отдельные исследования либо несколько устарели, таккак в них рассматриваются синтезаторы второго поколения (аллофонный идифонный конкатенативный синтез), как в работе [Русанова 2004], либо необладаютдостаточнойполнотой,как,например,статья,посвящённаятестированию систем автоматического синтеза и распознавания речи в целяхопределения коммерческой целесообразности их использования [Корсакова,Засыпкина 2012]. Таким образом, очевидна необходимость разработки и описанияновой системы оценки, учитывающей особенности именно современных методовсинтеза речи.Цель настоящего исследования – разработать комплекс методов оценкикачества селективного синтеза речи на материале русского языка.Задачи исследования:1.
Описать существующие проблемы и методы оценки качества синтеза речи санализом и обобщением результатов предыдущих исследований.2. Обосновать необходимость специального подхода к оценке селективногосинтеза с учётом его характерных особенностей.3. Предложить методы оценки синтеза речи, позволяющие объективно оцениватьи сравнивать современные русскоязычные селективные синтезаторы речи.4. Произвести комплексную оценку нескольких современных русскоязычныхсинтезаторов.Научная новизна работы заключается в том, что впервые для русскогоязыка были предложены и опробованы методы комплексной оценки современныхселективных синтезаторов речи.
7 Теоретическаязначимостьзаключаетсяванализеивыявлениихарактеристик селективного синтеза речи с точки зрения особенностей качестваречи, порождаемой таким синтезатором.Практическая значимость работы состоит в том, что появляетсявозможность использовать предложенные методы для объективной оценки исравнения между собой современных синтезаторов речи высокого качества. Наосновании полученных результатов могут быть предложены методы улучшениякачества синтезированной речи.Предметом исследования данной работы являются методы комплекснойоценки качества синтеза речи.Объект исследования – искусственно порождённая речь, её характеристикис точки зрения восприятия слушающими, критерии качества синтезированнойречи.Материалом исследования является синтезированная речь, полученная сиспользованиемнесколькихсовременныхрусскоязычныхселективныхсинтезаторов (Acapela, iSpeech, Ivona TTS, Mary TTS, Loquendo TTS, NuanceVocalizer, VitalVoice TTS).В ходе работы были использованы следующие методы: методы слухового,аудиторского и инструментального анализа фонограмм, статистические методыанализа результатов проведённых фонетических экспериментов.На защиту выносятся следующие положения:1.
Для оценки селективного синтеза речи необходим специальный подход,учитывающий специфические особенности данной речевой технологии. 8 2. Предложенный в диссертации подход и его оценочные средства позволяютпроводитькомплексноедиагностическоетестированиесовременныхрусскоязычных синтезаторов селективного типа и сравнивать их между собойна объективной основе.3. Максимальное влияние на естественность звучания селективного синтеза речидля русского языка оказывают ошибки, связанные с выбором неправильногоместа ударения в словах и неадекватной интонацией.4. Ошибки и недочеты в лингвистической обработке текста перед егофонетизацией являются основным источником качественных различий в работесовременных селективных синтезаторов русской речи.Достоверностьрезультатовобеспечиваетсяуспешнымпрактическимприменением предложенной системы методов оценки в экспериментах потестированию нескольких современных систем селективного синтеза речи.Апробациядокладывалиськонференцияработы.напоОсновныеположениянаучно-методическихкомпьютернойдиссертационнойконференциях:лингвистике«Диалогработы«Международная2009»(Москва),«Международная конференция по компьютерной лингвистике «Диалог 2010»(Москва), «Международная конференция по компьютерной лингвистике «Диалог2012» (Москва), «Конференция AINL 2013: Искусственный интеллект иестественный язык» (Санкт-Петербург), «Актуальные вопросы теоретической иприкладной фонетики: конференция к юбилею О.
Ф. Кривновой» (Москва, 2013),«Международная конференция по компьютерной лингвистике «Диалог 2013»(Москва), «15th International Conference on Speech and Computer SPECOM 2013»(Чехия), «XXI Международная конференция студентов, аспирантов и молодыхученых «Ломоносов» (Москва, 2014), «2nd International Scientific Conference 9 «Contemporary Research in Phonetics and Phonology: Methods, Aspects and Problems»(Латвия, 2015).По теме диссертации опубликовано 16 научных работ, из них 14 статей, 7 изкоторых опубликовано в журналах из перечня ВАК.Структура диссертации. Диссертация изложена на 195 страницах и состоитиз введения, четырех глав и заключения.
Список литературы содержит 104наименования. Работа иллюстрирована 21 рисунком и 22 таблицами. В 19приложениях содержатся тестовые тексты и подробные результаты экспериментов. 10 ГЛАВА 1. ИСТОРИЯ СИНТЕЗАТОРОВ РЕЧИ И СОВРЕМЕННЫЕРАЗРАБОТКИ1.1 Цели и задачи синтеза речиИскусственное создание человеческой речи издавна интересовало ученых ипрактических исследователей. Задачи, стоящие перед синтезаторами речи, стечениемвременипретерпевалисущественныеизменения.Синтезречиэволюционировал от простого получения речеподобных звуков и озвучиванияограниченного набора фраз до озвучивания произвольного текста с нужныминтонационным оформлением и эмоциональной окраской, причем голосом, точноимитирующим речь определённого человека (так называемое «клонирование» речипо терминологии Б.
М. Лобанова [Лобанов и др. 2001]). Если же рассматриватьсинтезатор не просто как инструмент произнесения определённых текстов, а какчасть системы речевого интерфейса общения человека с ЭВМ [Потапова 1989], топеред ним в настоящее время встают и ещё более сложные задачи. Например, такназываемый «реактивный» синтез [Moore, Nicolao 2011] должен отслеживатьэффект, производимый им на слушающего, и в соответствии с этим изменять своихарактеристики. Актуальной на сегодняшний день проблемой является такжемультиязычный адаптивный синтез речи, то есть синтез речи на разных языкахголосом одного диктора, возможно даже и не владеющего целевым языком [Latorre2006, Hao 2015]. С течением времени соответственно изменялись и требования ккачеству синтеза речи [Соломенник 2013(b,d)].
Рассмотрим подробнее видысинтезаторов речи и историю их создания.1.2 История вопроса и типы синтезаторов речиЗадача синтеза речи начала интересовать людей задолго до XX века.Существуют легенды о «говорящих головах», умевших отвечать на вопросы, 11 которые были созданы Гербертом Орильякским (ок. 946 – 1003), АльбертомВеликим (1198 – 1280) и Роджером Бэконом (1214 – 1294) [Mattingly 1974].Достоверная история создания машин, имитирующих человеческую речь,насчитывает уже более двух веков. С течением времени изменялись как и самимеханизмы и принципы работы синтезирующих устройств, так и основные областиинтереса и задачи учёных, занимавшихся созданием и развитием синтеза речи, а,соответственно, и само понятие «качества» синтеза речи.1.2.1 Первые механические синтезаторыПервые синтезаторы, появившиеся во второй половине XVIII века, былимеханическими, они могли порождать отдельные звуки или небольшие фрагментыслитной человекоподобной речи и подобно музыкальным инструментам требовалиучастия оператора-исполнителя.
Важным является то, что уже в них посредствомразличных механических приспособлений воспроизводились основные процессы,происходящие при производстве речи человеком.В 1779 году Петербургская Академия наук объявила ежегодную премию заобъяснение разницы между пятью гласными звуками и за создание устройства, ихпорождающего. Немецкий учёный Христиан Готлиб Кратценштейн (1723 – 1795),работавший в то время в Петербурге, предложил наилучшее решение. Он создалсистему резонаторов, представленную на рис.
1, порождавших русские гласныепри помощи пульсирующего воздушного потока. Воздушный поток порождалсявибрирующими язычками, подобными голосовым связкам человека [Фланаган1968]. 12 Рис. 1. Система резонаторов Кратценштейна [Lemetty 1999]Ещё ранее и независимо от Кратценштейна над механической системойсинтеза речи начал работать австрийский изобретатель Вольфганг фон Кемпелен(1734 – 1804), который представил результат своих трудов в 1791 году. МашинаКемпелена могла произносить различные звуки и их комбинации. В неймоделировалось продвижение струи воздуха через речевой тракт человека смодификациями, соответствующими реальному речепроизводству: имелись мехадля подачи воздуха на язычок, пульсирующий воздушный поток возбуждалрезонатор в форме резиновой камеры, управляемый рукой.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
