Sprachsynthese und Spracherkennung mit gemeinsamen Datenbasen

Meer over het boek

Aktuelle Sprachsynthesesysteme weisen bereits eine hohe Synthesequalität auf, jedoch mangelt es der synthetischen Sprache an Umgangssprachlichkeit und Natürlichkeit im Vergleich zur natürlichen Sprache. Diese Arbeit zielt darauf ab, die starren Produktionsregularien im Sprachsyntheseprozess zu überwinden, indem die Wortdauer variiert wird. Diese Variation basiert auf der Annahme, dass häufigere Wörter schneller gesprochen werden als seltenere, wobei schnellere Sprechweisen oft zu Verschleifungen, Transformationen und Auslassungen von Lauten führen, die als Aussprachevarianten modelliert werden können. Durch die Modellierung und den Einsatz dieser Aussprachevarianten im Sprachsyntheseprozess kann eine Dauervariation der Wörter über veränderte Lautfolgen erreicht werden. Ein neu eingeführtes Sprachmodell, das auf diesen Varianten basiert, gewährleistet die Auswahl abgestimmter und zusammengehöriger Varianten. Die verschiedenen Ausbaustufen dieser Einführung werden erläutert, und umfangreiche Hörtests zeigen eine Qualitätssteigerung, insbesondere hinsichtlich Natürlichkeit und Umgangssprachlichkeit. Diese Arbeit ist Teil eines umfassenderen Ansatzes zur Entwicklung eines integrierten Systems, das dieselben Datenbasen für Sprachsynthese und -erkennung nutzt. Dadurch können in jeder Verarbeitungsebene inverse Algorithmen verwendet werden, die auf identische Wissensquellen zugreifen. Zudem wird das Potenzial des Sprachmodells mit Au