Артикуляционный синтез - Articulatory synthesis

Трехмерная модель речевого тракта для артикуляционного синтеза На основе моделирования коартикуляции согласных и гласных, предложение на немецком языке "Леа и Дорин мёген Бананен."был воспроизведен из естественно произнесенного предложения с точки зрения основной частоты и продолжительности разговора по телефону.[1]

Артикуляционный синтез относится к вычислительным методам для синтезирующая речь на основе моделей человека голосовой тракт и происходящие там процессы артикуляции. Формой речевого тракта можно управлять несколькими способами, которые обычно включают изменение положения речевых артикуляторов, таких как язык, челюсть, и губы. Речь создается путем цифрового моделирования потока воздуха через голосовой тракт.

Механические говорящие головы

Есть долгая история попыток построить механический "говорящие головы.".[2] Герберт (г. 1003), Альбертус Магнус (1198–1280) и Роджер Бэкон (1214–1294), как говорят, построили говорящие головы (Уитстон 1837). Однако исторически подтвержденный синтез речи начинается с Вольфганг фон Кемпелен (1734–1804), опубликовавший отчет о своих исследованиях в 1791 г. (см. Также Дадли и Тарноци 1950 ).

Электрические аналоги речевого тракта

Первые электрические аналоги голосового тракта были статичными, как у Данна (1950), Кен Стивенс и коллеги (1953), Гуннар Фант (1960). Розен (1958) построил динамический речевой тракт (DAVO), которым Деннис (1963) позже попытался управлять с помощью компьютера. Деннис и др. (1964), Hiki et al. (1968) и Бакстер и Стронг (1969) также описали аппаратные аналоги голосового тракта. Келли и Лохбаум (1962) провели первое компьютерное моделирование; позже было выполнено цифровое компьютерное моделирование, например Наката и Мицуока (1965), Мацуи (1968) и Пол Мермельштейн (1971). Honda et al. (1968) сделали аналоговый компьютер моделирование.

Модели Хаскинса и Маэды

Первый программный артикуляционный синтезатор, регулярно используемый для лабораторных экспериментов, был разработан в г. Лаборатории Хаскинса в середине 1970-х годов Филип Рубин, Том Бэр и Пол Мермельштейн. Этот синтезатор, известный как ASY,[3] была вычислительная модель производства речи на основе моделей речевого тракта, разработанная в Bell Laboratories в 1960-х и 1970-х - Пол Мермельштейн, Сесил Кокер и его коллеги. Другой популярной моделью, которая часто использовалась, является модель Синдзи Маэда, которая использует факторный подход для управления язык форма.

Современные модели

Недавний прогресс в визуализации речи, моделировании артикуляционного контроля и моделировании биомеханики языка привел к изменениям в способах выполнения артикуляционного синтеза. [1][постоянная мертвая ссылка ]. Примеры включают модель Haskins CASY (конфигурируемый артикуляционный синтез),[4] разработано Филип Рубин, Марк Тид [2], и Луи Гольдштейн [3], который соответствует среднесагиттальным голосовым трактам магнитно-резонансная томография (МРТ) и использует данные МРТ для построения трехмерной модели речевого тракта. Полная трехмерная модель артикуляционного синтеза была описана Оловом Энгваллом. Трехмерный синтезатор артикуляционной речи на геометрической основе был разработан Питером Биркхольцем (VocalTractLab).[5]). В Модель Направления Скоростей Артикуляторов (DIVA), подход к управлению с прямой связью, который учитывает нейронные вычисления, лежащие в основе производства речи, был разработан Франк Х. Гюнтер в Бостонский университет. Проект ArtiSynth,[6] во главе с Сидни Фелсом [4] на Университет Британской Колумбии, представляет собой набор инструментов для трехмерного биомеханического моделирования речевого тракта человека и верхних дыхательных путей. Биомеханическое моделирование артикуляторов, таких как язык был впервые предложен рядом ученых, включая Райнера Вильгельмса-Трикарико [5], Йохан Паян [6] и Жан-Мишель Жерар [7], Цзяньву Данг и Киёси Хонда [8].

Коммерческие модели

Одной из немногих коммерческих систем артикуляционного синтеза речи является Следующий -система, первоначально разработанная и проданная Trillium Sound Research, дочерней компанией Университет Калгари, где проводилась большая часть оригинальных исследований. После кончины различных воплощений Следующий (начато Стив Джобс в конце 1980-х и слился с Компьютер Apple в 1997 г.) программное обеспечение Trillium было опубликовано под Стандартная общественная лицензия GNU, при этом работа продолжается как gnuspeech. Система, впервые поступившая на рынок в 1994 году, обеспечивает полное преобразование текста в речь на основе артикуляции с использованием волновода или аналога линии передачи орального и носового трактов человека, контролируемого «моделью отличительной области» Рене Карре.[7]

Смотрите также

Сноски

  1. ^ Биркхольц, Питер (2013). «Моделирование коартикуляции согласных и гласных для артикуляционного синтеза речи». PLOS ONE. 8 (4): e60603. Bibcode:2013PLoSO ... 860603B. Дои:10.1371 / journal.pone.0060603. ЧВК  3628899. PMID  23613734.
  2. ^ Говорящие головы
  3. ^ ASY
  4. ^ CASY
  5. ^ VocalTractLab
  6. ^ Artisynth
  7. ^ Синтез артикуляционной речи в реальном времени по правилам

Библиография

  • Бакстер, Брент и Уильям Дж. Стронг. (1969). WINDBAG - аналоговый синтезатор речи голосового тракта. Журнал Акустического общества Америки, 45, 309 (А).
  • Биркхольц П., Джекель Д., Kröger BJ (2007) Моделирование потерь из-за турбулентности в изменяющейся во времени голосовой системе. Транзакции IEEE по обработке звука, речи и языка 15: 1218-1225
  • Биркхольц П., Джекель Д., Kröger BJ (2006) Построение и контроль трехмерной модели речевого тракта. Труды Международной конференции по акустике, речи и обработке сигналов (ICASSP 2006) (Тулуза, Франция) стр. 873–876.
  • Кокер. К. Х. (1968). Синтез речи с параметрической артикуляционной моделью. Proc. Речь. Symp., Киото, Япония, бумага А-4.
  • Кокер, К. Х. (1976). «Модель артикуляционной динамики и контроля». Труды IEEE. 64 (4): 452–460. Дои:10.1109 / PROC.1976.10154.
  • Коксователь; Фудзимура, О. (1966). «Модель для уточнения функции области голосового тракта». Журнал Акустического общества Америки. 40 (5): 1271. Bibcode:1966ASAJ ... 40.1271C. Дои:10.1121/1.2143456.
  • Деннис, Джек Б. (1963). Компьютерное управление аналоговым речевым трактом. Журнал Акустического общества Америки, 35, 1115 (А).
  • Дадли, Гомер; Тарноци, Томас Х. (1950). «Говорящая машина Вольфганга фон Кемпелена». Журнал Акустического общества Америки. 22 (2): 151–66. Bibcode:1950ASAJ ... 22..151D. Дои:10.1121/1.1906583.CS1 maint: ref = harv (связь)
  • Данн, Хью К. (1950). «Расчет резонансов гласных и электрического речевого тракта». Журнал Акустического общества Америки. 22 (6): 740–53. Bibcode:1950ASAJ ... 22..740D. Дои:10.1121/1.1906681.
  • Энгвалл, О. (2003). Объединение измерений MRI, EMA и EPG в трехмерной модели языка. Речевое общение, 41, 303-329.
  • Фант, К. Гуннар М. (1960). Акустическая теория речевого производства. Гаага, Мутон.
  • Гариэль, М. (1879). "Machine parlante de M. Faber". J. Physique Théorique et Appliquée. 8: 274–5. Дои:10.1051 / jphystap: 018790080027401.
  • Джерард, J.M .; Wilhelms-Tricarico, R .; Perrier, P .; Паян, Ю. (2003). «Трехмерная динамическая биомеханическая модель языка для изучения речевого моторного контроля». Последние разработки в области биомеханики. 1: 49–64.
  • Хенке, В. Л. (1966). Динамическая артикуляционная модель речевого образования с использованием компьютерного моделирования. Неопубликованная докторская диссертация, Массачусетский технологический институт, Кембридж, Массачусетс.
  • Хонда, Такаши, Сэйити Иноуэ и Ясуо Огава. (1968). Гибридная система управления имитатором голосового тракта человека. Доклады 6-го Международного конгресса по акустике, изд. Я. Кохаси, стр. 175–8. Токио, Международный совет научных союзов.
  • Келли, Джон Л. и Кэрол Лохбаум. (1962). Синтез речи. Материалы семинара по речевой коммуникации, бумага F7. Стокгольм, Лаборатория передачи речи, Королевский технологический институт.
  • Кемпелен, Вольфганг Р. Фон. (1791). Mechanismus der menschlichen Sprache nebst der Beschreibung seiner sprechenden Maschine. Wien, J. B. Degen.
  • Маэда, С. (1988). Улучшенная артикуляторная модель. Журнал Акустического общества Америки, 84, суп. 1, S146.
  • Маэда, С. (1990). Компенсаторная артикуляция во время речи: данные анализа и синтеза форм голосового тракта с использованием артикуляционной модели. В У. Дж. Хардкасл и А. Маршал (ред.), Производство речи и моделирование речи, Kluwer Academic, Dordrecht, 131–149.
  • Мацуи, Эйити. (1968). Органы голоса, смоделированные на компьютере. Доклады 6-го Международного конгресса по акустике, изд. Я. Кохаси, стр. 151–4. Токио, Международный совет научных союзов.
  • Мермельштейн, Пол. (1969). Компьютерное моделирование артикуляционной деятельности при производстве речи. Труды Международной совместной конференции по искусственному интеллекту, Вашингтон, округ Колумбия, 1969, изд. Д. Э. Уокером и Л. М. Нортоном. Нью-Йорк, Гордон и Брич.
  • Мермельштейн, П. (1973). «Артикуляторная модель для изучения речевого производства». Журнал Акустического общества Америки. 53 (4): 1070–1082. Bibcode:1973ASAJ ... 53.1070M. Дои:10.1121/1.1913427. PMID  4697807.
  • Наката, Кадзуо; Мицуока, Т. (1965). «Фонематические преобразования и управляющие аспекты синтеза связной речи». J. Radio Res. Лаборатории. 12: 171–86.
  • Рахим, М .; Goodyear, C .; Kleijn, W .; Schroeter, J .; Сонди, М. (1993). «Об использовании нейронных сетей в артикуляционном синтезе речи». Журнал Акустического общества Америки. 93 (2): 1109–1121. Bibcode:1993ASAJ ... 93.1109R. Дои:10.1121/1.405559.
  • Розен, Джордж (1958). «Динамический аналоговый синтезатор речи». Журнал Акустического общества Америки. 30 (3): 201–9. Bibcode:1958ASAJ ... 30..201R. Дои:10.1121/1.1909541. HDL:1721.1/118106.
  • Рубин, П. Э .; Baer, ​​T .; Мермельштейн, П. (1981). «Артикуляционный синтезатор для исследования восприятия». Журнал Акустического общества Америки. 70 (2): 321–328. Bibcode:1981ASAJ ... 70..321R. Дои:10.1121/1.386780.
  • Рубин, П., Зальцман, Э., Гольдштейн, Л., Макгоуэн, Р., Тид, М., и Бровман, К. (1996). CASY и расширения к динамической модели задач. Материалы 1-го учебного и исследовательского семинара ESCA по моделированию производства речи - 4-го семинара по производству речи, 125-128.
  • Стивенс, Кеннет Н .; Kasowski, S .; Фант, К. Гуннар М. (1953). «Электрический аналог голосового тракта». Журнал Акустического общества Америки. 25 (4): 734–42. Bibcode:1953ASAJ ... 25..734S. Дои:10.1121/1.1907169.

внешняя ссылка