Gnuspeech - Gnuspeech

Gnuspeech
Разработчики)Исследование звука триллия
изначальный выпуск2002; 18 лет назад (2002)
Репозиторий
Отредактируйте это в Викиданных
ПлатформаКроссплатформенность
ТипТекст в речь
ЛицензияСтандартная общественная лицензия GNU
Интернет сайтwww.gnu.org/программного обеспечения/ gnuspeech/ Отредактируйте это в Викиданных

Gnuspeech является расширяемым текст в речь компьютер пакет программного обеспечения который производит искусственный вывод речи в реальном времени артикуляционный синтез речи по правилам. То есть он преобразует текстовые строки в фонетические описания с помощью словаря произношения, правил преобразования букв в звук и моделей ритма и интонации; преобразует фонетические описания в параметры артикуляционной речи низкого уровня. синтезатор речи; использует их для создания артикуляционной модели человеческого голосовой тракт создание выхода, подходящего для обычных устройств вывода звука, используемых различными компьютерами операционные системы; и делает это с той же или большей скоростью, чем речь для взрослых.

Дизайн

Синтезатор представляет собой ламповый резонанс или волноводную модель, которая моделирует поведение реального голосовой тракт прямо и достаточно точно, в отличие от формант-синтезаторов, которые косвенно моделируют речевой спектр.[1] Задача управления решается с помощью модели отличительной области Рене Карре.[2] который связывает изменения радиусов восьми продольных отделов речевого тракта с соответствующими изменениями трех частотных форманты в речевом спектре, которые передают большую часть речевой информации. Регионы, в свою очередь, основаны на работе Стокгольмской лаборатории речевых технологий.[3] Королевского технологического института (KTH ) об «анализе чувствительности формант» - то есть о том, как на частоты формант влияют небольшие изменения радиуса речевого тракта в различных местах по его длине.[4]

История

Gnuspeech изначально был коммерческим программным обеспечением, созданным ныне несуществующей компанией Trillium Sound Research для Следующий компьютер в виде различных марок комплекта "TextToSpeech". Trillium Sound Research было передача технологии дочерняя компания, созданная при Университете Калгари, Альберта, Канада, на основе многолетних исследований отдела информатики компьютерно-человеческое взаимодействие используя речь, где хранятся документы и руководства, относящиеся к системе.[5] Первоначальная версия 1992 года использовала синтезатор речи на основе формант. Когда NeXT прекратил производство оборудования, программное обеспечение синтезатора было полностью переписано.[6] а также перенесен на NSFIP (NextStep For Intel Processors) с использованием волноводного подхода к моделированию акустической трубки на основе исследований Центра компьютерных исследований в музыке и акустике (CCRMA ) в Стэнфордском университете, особенно Music Kit. Подход к синтезу более подробно объясняется в документе, представленном Американскому обществу голосового ввода-вывода в 1995 году.[7] Система использовала встроенный цифровой сигнальный процессор (DSP) 56001 на компьютере NeXT и дополнительную плату Turtle Beach с таким же DSP на версии NSFIP для запуска волновода (также известного как модель лампы). Ограничения скорости означали, что самая короткая длина речевого тракта, которая могла быть использована для речи в реальном времени (то есть сгенерированная с той же или большей скоростью, чем она была «произнесена»), составляла около 15 сантиметров, потому что частота дискретизации для вычислений волновода увеличивается с уменьшением длины голосового тракта. Более высокие скорости процессора постепенно снимают это ограничение, что является важным достижением для воспроизведения детской речи в реальном времени.

С Следующий шаг прекращено и Следующий компьютеры встречаются редко, одним из вариантов выполнения исходного кода является использованиевиртуальные машины. В Предыдущий эмулятор, например, может эмулировать DSP в Следующий компьютеры, которые могут использоваться программой Trillium.

MONET (Gnuspeech) в Следующий шаг 3.3 бег внутри Предыдущий.

Торговля Trillium прекратилась в конце 1990-х, и проект Gnuspeech был впервые включен в GNU Savannah репозиторий в соответствии с условиями Стандартная общественная лицензия GNU в 2002 г. в качестве официального GNU программного обеспечения.

Из-за своего бесплатный и открытый исходный код Лицензия, которая позволяет настраивать код, Gnuspeech использовалась в академических исследованиях.[8][9]

Рекомендации

  1. ^ COOK, P.R. (1989) Синтез певческого голоса с использованием физически параметризованной модели голосового тракта человека. Международная конференция компьютерной музыки, Колумбус, Огайо
  2. ^ КАРРЕ, Р. (1992) Отличительные области в акустических трубках. Моделирование речевого производства. Journal d'Acoustique, 5 141–159
  3. ^ Сейчас же Департамент речи, музыки и слуха
  4. ^ FANT, G. & PAULI, S. (1974) Пространственные характеристики резонансных моделей речевого тракта. Материалы Стокгольмского семинара по речевой коммуникации, KTH, Стокгольм, Швеция
  5. ^ Соответствующий веб-сайт U of Calgary
  6. ^ Синтезатор речи с трубчатым резонансом
  7. ^ ХИЛЛ, Д.Р., МАНЗАРА, Л., ТАУБ-ШОК, С.Р. (1995) Синтез артикуляционной речи в реальном времени по правилам. Proc. AVIOS '95 14-я ежегодная международная конференция по голосовым технологиям, Сан-Хосе, 12-14 сентября 1995 г., 27-44
  8. ^ Д'Эсте, Ф. - Синтез артикуляционной речи с параллельным многоцелевым генетическим алгоритмом, магистерская диссертация, Лейденский институт передовых компьютерных наук, 2010.
  9. ^ Xiong, F .; Баркер Дж. - Глубокое изучение артикуляционных представлений и приложений для улучшения распознавания дизартрической речи, Конференция ITG по речевой коммуникации, Германия, 2018.

внешняя ссылка