تصحیح فرکانس گام و طول زمانی در سیستمهای تبدیل متن به گفتار

یکی از رایجترین روشها برای سنتز گفتار فارسی، استفاده از اتصال واحدهای زبانی از پیشضبط شده میباشد. در این روش، از هر واحد تنها یک نمونه در پایگاه داده وجود دارد که دارای طول و کانتور فرکانس گام مخصوص به خود است. برای استفاده از این واحد ضبط شده در بافتهایدیگر بایستی طول زمانی و کانتور فرکانس گام آن به طول و فرکانس گام واحد هدف تغییر یابد. در این مقاله از یک روش پارامتری همزمان باگام که از مدل هارمونیکی تصادفی استفاده میکند، برای تصحیح فرکانس گام و طول زمانی استفاده میشود. در این روش پارامترهای دامنه و فاز - مدل هارمونیکی تصادفی برای فرکانسهای گام جدید به گونهای تغییر مییابند که پوش طیف دامنه و فاز برای فریمهای گفتار بدون تغییر باقی - بمانند. نتایج دو آزمون MOS و ترجیح کیفیت، برتری روش پیشنهادی را در مقایسه با روش مرسوم TD-PSOLA نشان میدهند

Keywords:

تصحیح فرکانس گام , تصحیح طول زمانی , مدل هارمونیکی تصادفی , بازسازی گفتار