Luận văn: Xây dựng công cụ khảo sát chất lượng tiếng nói tổng hợp tiếng Việt dùng TD-PSOLA

Luận văn: Nghiên cứu ảnh hưởng tham số đến chất lượng tiếng nói tổng hợp tiếng Việt TD-PSOLA. Xây dựng công cụ khảo sát, đánh giá khách quan.

• Tác giả: Lê Trung Dũng
• Người hướng dẫn: TS. Trịnh Văn Loan
• Trường học: Trường Đại học Bách Khoa Hà Nội
• Chuyên ngành: Xử lý thông tin & Truyền thông
• Đề tài: Xây dựng công cụ khảo sát ảnh hưởng của các tham số cơ bản đến chất lượng tiếng nói bộ tổng hợp tiếng Việt dùng TD-PSOLA
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2006
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI NÓI ĐẦU
• 1. CHƯƠNG 1: LÝ THUYẾT VỀ TIẾNG NÓI VÀ XỬ LÝ TIẾNG NÓI
• 1.1. BỘ MÁY PHÁT ÂM
• 1.1.1. Bộ máy phát âm
• 1.1.2. Cơ chế phát âm
• 1.2. BIỂU DIỄN TÍN HIỆU TIẾNG NÓI
• 1.2.1. Xác định tần số lấy mẫu
• 1.2.2. Lượng tử hoá
• 1.2.3. Biên tín hiệu tiếng nói
• 1.2.4. Mã hoá tín hiệu tiếng nói
• 1.2.4.1. Mã hoá trực tiếp tín hiệu
• 1.2.4.2. Mã hoá tham số tín hiệu
• 1.3. ĐẶC TÍNH ÂM HỌC CỦA
• 1.3.1. Âm hữu thanh và âm vô thanh
• 1.3.1.1. Âm hữu thanh
• 1.3.2. Các đặc tính khác
• 1.3.2.1. Tỷ xuất thời gian
• 1.3.2.2. Tầm năng lượng thời gian
• 1.3.2.3. Tần số cơ bản
• 1.4. MÔ HÌNH TẠO TIẾNG NÓI
• 1.5. Tổng hợp tiếng nói
• 1.5.1. Tổng hợp tiếng nói theo cách phát âm
• 1.5.2. Tổng hợp đầu cuối tự nhiên
• 1.6. Nhận dạng tiếng nói
• 1.6.1. Nhận dạng ngữ nghĩa
• 1.6.2. Nhận dựng người nói
• 2. CHƯƠNG 2: TỔNG HỢP TIẾNG NÓI
• 2.1. CÁC PHƯƠNG PHÁP TỔNG HỢP TIẾNG NÓI
• 2.1.1. Phương pháp mô phỏng hệ thống phát âm
• 2.1.2. Phương pháp tổng hợp Formant
• 2.1.2.1. Bộ tổng hợp formant nối tiếp
• 2.1.2.2. Bộ tổng hợp formant song song
• 2.1.3. Phương pháp ghép nối
• 2.1.4. Phương pháp tổng hợp PSOLA
• 2.1.4.1. Các phiên bản của PSOLA
• 2.2. MÔ HÌNH TỔNG HỢP TIẾNG NÓI TỪ VĂN BẢN
• 2.2.1. Tổng hợp mức cao
• 2.2.1.1. Phân tích cách phát âm
• 2.2.2. Tổng hợp mức thấp
• 2.3. SO SÁNH CÁC PHƯƠNG PHÁP TỔNG HỢP TIẾNG NÓI
• 3. CHƯƠNG 3: GIẢI THUẬT TD-PSOLA
• 3.1. GIẢI THUẬT PSOLA
• 3.1.1. Phân tích PSOLA
• 3.1.1.1. Bước 1: Tìm cục đại địa phương của hàm năng lượng
• 3.1.1.2. Bước 2: Tối ưu tính tuần hoàn và năng lượng cực đại
• 3.1.2. Tổng hợp PSOLA
• 3.2. THAY ĐỔI TẦN SỐ CỦA TÍN HIỆU
• 3.3. TD-PSOLA VÀ TÍN HIỆU TIẾNG NÓI
• 3.4. CÁC VẤN ĐỀ LIÊN QUAN
• 3.4.1. Xác định tần số cơ bản
• 3.4.1.1. Dùng hàm tự tương quan
• 3.4.1.2. Dùng hàm vi sai biên độ trung bình
• 3.4.2. Làm trơn tín hiệu khi ghép nối
• 3.4.2.1. Phương pháp Microphottentio
• 3.4.2.2. MB hink hink sine
• 3.4.3. Cân bằng năng lượng
• 4. CHƯƠNG 4: THIẾT KẾ XÂY DỰNG ỨNG DỤNG TỔNG HỢP TIẾNG VIỆT
• 4.1. PHÂN TÍCH GIẢI THUẬT
• 4.2. DIPHONE TRONG TIẾNG VIỆT
• 4.3. XÂY DỰNG CƠ SỞ DỮ LIỆU
• 4.3.1. Quá trình thu âm
• 4.3.2. Xử lý sau khi thu âm
• 4.4. XỬ LÝ VÀ PHÂN TÍCH VĂN BẢN
• 4.4.1. Phân tích văn bản tiếng Việt thành các từ
• 4.4.1.1. Xác định câu trong văn bản
• 4.4.1.2. Phân tích câu thành các từ
• 4.4.2. Xác định dấu (thanh điệu) của từ và tách từ thành điphone
• 4.4.2.1. Xác định dấu (thanh điệu) của từ
• 4.4.2.2. Tách từ thành hai điphone
• 4.5. GHÉP NÓI CÁC DIPHONE VÀ THAY ĐỔI TẦN SỐ CƠ BẢN
• 4.5.1. Ghép nối các đi hong lạo thành các từ không đắn
• 4.5.2. Phân tich van a
• 4.5.2.1. Giải pháp và cée buée thực hiện
• 4.5.3. Ghép nối các điphone tạo thánh các từ có đầu
• 4.5.3.1. Từ tạo thành từ các dịphane thông thường
• 4.5.3.2. Từ tạo thành từ các dịphone đặc biệt
• 4.6. ỨNG DỤNG TỔNG HỢP TIẾNG VIỆT
• 4.6.1. Giao diện chính
• 4.6.2. Minh hoa một số chức năng, chính của chương trình
• TÀI LIỆU THAM KHẢO
• DANH MỤC CÁC HÌNH VẼ

Tóm tắt

I. Tổng Quan Luận Văn Về Tổng Hợp Tiếng Việt TD PSOLA

Luận văn này tập trung vào việc xây dựng công cụ để khảo sát ảnh hưởng của các tham số cơ bản đến chất lượng tiếng nói của bộ tổng hợp tiếng Việt sử dụng thuật toán TD-PSOLA. Đây là một lĩnh vực quan trọng trong xử lý tiếng nói, nhằm cải thiện khả năng giao tiếp giữa người và máy. Tổng hợp tiếng nói tiếng Việt là một lĩnh vực đang phát triển, và luận văn này góp phần vào sự tiến bộ đó. Nghiên cứu này tập trung vào việc sử dụng TD-PSOLA, một thuật toán hiệu quả để thay đổi tần số và thời gian của tín hiệu tiếng nói. Luận văn trình bày chi tiết về nguyên lý TD-PSOLA, các tham số TD-PSOLA quan trọng, và cách chúng ảnh hưởng đến độ tự nhiên tiếng nói, độ rõ ràng tiếng nói, và độ dễ nghe tiếng nói. Mục tiêu chính là tạo ra một công cụ khảo sát chất lượng giúp các nhà nghiên cứu và phát triển dễ dàng thử nghiệm và tối ưu hóa các bộ tổng hợp tiếng nói tiếng Việt. Chất lượng tiếng nói bộ tổng hợp là yếu tố then chốt, quyết định tính ứng dụng của nó trong thực tế. Việc đánh giá chất lượng tiếng nói là một quá trình phức tạp, bao gồm cả đánh giá chủ quan chất lượng tiếng nói và đánh giá khách quan chất lượng tiếng nói. Luận văn cũng đề cập đến các phương pháp đánh giá MOS và phương pháp đánh giá ABX thường được sử dụng. Tóm lại, luận văn này đóng góp vào việc nâng cao chất lượng và tính thực tiễn của tổng hợp tiếng nói tiếng Việt bằng cách cung cấp một công cụ xây dựng đánh giá hiệu quả.

1.1. Tại Sao Nghiên Cứu Tổng Hợp Tiếng Nói Lại Quan Trọng

Tổng hợp tiếng nói đóng vai trò quan trọng trong việc phát triển các ứng dụng giao tiếp người-máy, giúp máy tính có thể 'nói' và tương tác với con người một cách tự nhiên hơn. Nó mở ra nhiều cơ hội trong các lĩnh vực như trợ lý ảo, đọc sách tự động, hệ thống thông báo, và giáo dục. Nghiên cứu này giúp cải thiện chất lượng các bộ tổng hợp tiếng nói, làm cho chúng trở nên dễ nghe và dễ hiểu hơn.

1.2. Ứng Dụng Của TD PSOLA Trong Tổng Hợp Tiếng Nói

TD-PSOLA là một thuật toán mạnh mẽ cho phép điều chỉnh tần số và thời gian của tín hiệu tiếng nói mà không làm thay đổi quá nhiều các đặc trưng âm học quan trọng. Điều này làm cho nó trở thành một lựa chọn phổ biến trong các hệ thống tổng hợp tiếng nói, đặc biệt là khi cần tạo ra các biến thể về ngữ điệu và nhịp điệu.

1.3. Mục Tiêu Của Luận Văn Xây Dựng Công Cụ Khảo Sát

Mục tiêu chính của luận văn là xây dựng công cụ đánh giá hiệu quả để đánh giá chất lượng tiếng nói bộ tổng hợp. Công cụ này cho phép các nhà nghiên cứu dễ dàng thay đổi các tham số cơ bản của thuật toán TD-PSOLA và đánh giá ảnh hưởng của chúng đến chất lượng âm thanh, từ đó tìm ra cấu hình tối ưu cho bộ tổng hợp.

II. Vấn Đề Chất Lượng Tiếng Nói Tổng Hợp Tiếng Việt Kém

Một trong những thách thức lớn nhất trong tổng hợp tiếng nói tiếng Việt là đảm bảo chất lượng âm thanh tự nhiên và dễ hiểu. Các bộ tổng hợp hiện tại thường gặp khó khăn trong việc tái tạo chính xác các đặc trưng ngữ âm của tiếng Việt, bao gồm thanh điệu và sự biến đổi âm vị. Điều này dẫn đến chất lượng tiếng nói kém, gây khó khăn cho người nghe. Các yếu tố như ảnh hưởng của F0 đến chất lượng tiếng nói, ảnh hưởng của Duration đến chất lượng tiếng nói, và ảnh hưởng của Spectrum đến chất lượng tiếng nói cần được xem xét kỹ lưỡng. Việc thiếu một công cụ khảo sát chất lượng hiệu quả cũng là một trở ngại lớn trong việc cải thiện chất lượng tiếng nói bộ tổng hợp tiếng Việt. Các phương pháp đánh giá chủ quan chất lượng tiếng nói thường tốn thời gian và công sức, trong khi các phương pháp đánh giá khách quan chất lượng tiếng nói có thể không phản ánh đầy đủ cảm nhận của người nghe. Do đó, cần có một công cụ xây dựng đánh giá toàn diện và dễ sử dụng để giải quyết vấn đề này.

2.1. Các Yếu Tố Ảnh Hưởng Đến Độ Tự Nhiên Của Tiếng Nói

Độ tự nhiên của tiếng nói phụ thuộc vào nhiều yếu tố, bao gồm cách phát âm, ngữ điệu, và nhịp điệu. Ảnh hưởng của F0 (tần số cơ bản) là rất quan trọng trong việc thể hiện thanh điệu của tiếng Việt. Ảnh hưởng của Duration (độ dài âm vị) và ảnh hưởng của Spectrum (phổ tần số) cũng đóng vai trò quan trọng trong việc phân biệt các âm vị khác nhau.

2.2. Khó Khăn Trong Đánh Giá Chất Lượng Tiếng Nói Tổng Hợp

Việc đánh giá chất lượng tiếng nói bộ tổng hợp là một nhiệm vụ phức tạp, vì nó phụ thuộc vào cảm nhận chủ quan của người nghe. Các phương pháp đánh giá chủ quan như MOS (Mean Opinion Score) tốn nhiều thời gian và cần nhiều người tham gia. Các phương pháp đánh giá khách quan có thể không phản ánh đầy đủ các khía cạnh quan trọng của chất lượng tiếng nói.

2.3. Thiếu Công Cụ Khảo Sát Chuyên Dụng Cho Tiếng Việt

Hiện nay, có rất ít công cụ khảo sát chất lượng được thiết kế đặc biệt cho tiếng nói tiếng Việt. Điều này gây khó khăn cho các nhà nghiên cứu trong việc thử nghiệm và tối ưu hóa các bộ tổng hợp tiếng nói của họ.

III. Phương Pháp Xây Dựng Công Cụ Khảo Sát TD PSOLA Chi Tiết

Luận văn đề xuất phương pháp xây dựng công cụ cho phép khảo sát ảnh hưởng tham số của thuật toán TD-PSOLA đến chất lượng tiếng nói. Công cụ này bao gồm các thành phần chính: (1) Giao diện người dùng trực quan để điều chỉnh các tham số cơ bản của TD-PSOLA, (2) Module tổng hợp tiếng nói sử dụng thuật toán TD-PSOLA, (3) Module đánh giá chất lượng tiếng nói tích hợp cả đánh giá chủ quan và đánh giá khách quan, và (4) Cơ sở dữ liệu diphone trong tiếng Việt. Công cụ cho phép người dùng thay đổi các tham số TD-PSOLA, tạo ra các mẫu tiếng nói tổng hợp, và đánh giá độ tự nhiên tiếng nói, độ rõ ràng tiếng nói, và độ dễ nghe tiếng nói. Các kết quả đánh giá chất lượng tiếng nói được hiển thị trực quan, giúp người dùng dễ dàng so sánh và phân tích ảnh hưởng tham số TD-PSOLA.

3.1. Thiết Kế Giao Diện Người Dùng Thân Thiện Dễ Sử Dụng

Giao diện người dùng được thiết kế để dễ sử dụng và trực quan, cho phép người dùng dễ dàng điều chỉnh các tham số cơ bản của thuật toán TD-PSOLA như tần số cơ bản, độ dài âm vị, và phổ tần số. Giao diện cũng cung cấp các công cụ để tạo và quản lý các thử nghiệm đánh giá chất lượng tiếng nói.

3.2. Tích Hợp Module Đánh Giá Chủ Quan Và Khách Quan

Công cụ tích hợp cả các phương pháp đánh giá chủ quan như MOS (Mean Opinion Score) và các phương pháp đánh giá khách quan như PESQ (Perceptual Evaluation of Speech Quality). Điều này cho phép đánh giá chất lượng tiếng nói một cách toàn diện và chính xác.

3.3. Xây Dựng Cơ Sở Dữ Liệu Diphone Tiếng Việt Phong Phú

Cơ sở dữ liệu diphone trong tiếng Việt được xây dựng dựa trên các mẫu tiếng nói tự nhiên của người bản xứ. Điều này đảm bảo rằng bộ tổng hợp tiếng nói có thể tái tạo chính xác các đặc trưng ngữ âm của tiếng Việt.

IV. Ứng Dụng Phân Tích Ảnh Hưởng Tham Số TD PSOLA Đến Chất Lượng

Công cụ được sử dụng để phân tích ảnh hưởng của các tham số TD-PSOLA đến chất lượng tiếng nói. Nghiên cứu tập trung vào ba tham số cơ bản: tần số cơ bản (F0), độ dài âm vị (Duration), và phổ tần số (Spectrum). Các thí nghiệm được thực hiện để đánh giá ảnh hưởng của F0 đến chất lượng tiếng nói, ảnh hưởng của Duration đến chất lượng tiếng nói, và ảnh hưởng của Spectrum đến chất lượng tiếng nói. Kết quả cho thấy rằng việc điều chỉnh các tham số này một cách cẩn thận có thể cải thiện đáng kể độ tự nhiên tiếng nói, độ rõ ràng tiếng nói, và độ dễ nghe tiếng nói. Các kết quả nghiên cứu cung cấp các hướng dẫn cụ thể cho việc tối ưu hóa các bộ tổng hợp tiếng nói tiếng Việt sử dụng thuật toán TD-PSOLA.

4.1. Tần Số Cơ Bản F0 Và Vai Trò Trong Thanh Điệu Tiếng Việt

Tần số cơ bản (F0) đóng vai trò quan trọng trong việc thể hiện thanh điệu của tiếng Việt. Việc điều chỉnh F0 một cách chính xác là rất quan trọng để đảm bảo rằng bộ tổng hợp tiếng nói có thể tái tạo chính xác các thanh điệu khác nhau của tiếng Việt.

4.2. Độ Dài Âm Vị Duration Ảnh Hưởng Thế Nào Đến Độ Rõ Ràng

Độ dài âm vị (Duration) ảnh hưởng đến độ rõ ràng của tiếng nói. Việc điều chỉnh Duration một cách hợp lý có thể giúp người nghe dễ dàng phân biệt các âm vị khác nhau.

4.3. Phổ Tần Số Spectrum Và Các Đặc Trưng Âm Học Quan Trọng

Phổ tần số (Spectrum) chứa các đặc trưng âm học quan trọng giúp phân biệt các âm vị khác nhau. Việc tái tạo chính xác Spectrum là rất quan trọng để đảm bảo rằng bộ tổng hợp tiếng nói có thể tạo ra âm thanh tự nhiên và dễ hiểu.

V. Kết Luận Công Cụ Hỗ Trợ Nghiên Cứu Tổng Hợp Tiếng Nói TD PSOLA

Luận văn đã trình bày quá trình xây dựng công cụ để khảo sát ảnh hưởng của các tham số cơ bản đến chất lượng tiếng nói của bộ tổng hợp tiếng Việt sử dụng thuật toán TD-PSOLA. Công cụ này cung cấp một phương tiện hiệu quả để các nhà nghiên cứu và phát triển có thể thử nghiệm và tối ưu hóa các bộ tổng hợp tiếng nói của họ. Các kết quả nghiên cứu cung cấp các hướng dẫn cụ thể cho việc điều chỉnh các tham số TD-PSOLA để cải thiện độ tự nhiên tiếng nói, độ rõ ràng tiếng nói, và độ dễ nghe tiếng nói. Trong tương lai, công cụ này có thể được mở rộng để hỗ trợ các thuật toán tổng hợp tiếng nói khác và tích hợp các phương pháp đánh giá chất lượng tiếng nói tiên tiến hơn.

5.1. Đóng Góp Của Luận Văn Vào Lĩnh Vực Tổng Hợp Tiếng Nói

Luận văn này đóng góp vào lĩnh vực tổng hợp tiếng nói bằng cách cung cấp một công cụ xây dựng đánh giá hiệu quả và các hướng dẫn cụ thể cho việc tối ưu hóa các bộ tổng hợp tiếng nói tiếng Việt sử dụng thuật toán TD-PSOLA.

5.2. Hướng Phát Triển Tiếp Theo Của Công Cụ Khảo Sát

Trong tương lai, công cụ này có thể được mở rộng để hỗ trợ các thuật toán tổng hợp tiếng nói khác và tích hợp các phương pháp đánh giá chất lượng tiếng nói tiên tiến hơn. Nó cũng có thể được sử dụng để nghiên cứu ảnh hưởng của các yếu tố khác như ngữ cảnh và cảm xúc đến chất lượng tiếng nói.

5.3. Tiềm Năng Ứng Dụng Thực Tế Của Nghiên Cứu

Nghiên cứu này có tiềm năng ứng dụng thực tế cao trong việc cải thiện chất lượng các bộ tổng hợp tiếng nói được sử dụng trong các ứng dụng như trợ lý ảo, đọc sách tự động, hệ thống thông báo, và giáo dục.

Trích đoạn nội dung tài liệu

Chương I. Lý thuyết về tiếng nói và xử lý tiếng nói. Chương này đề cập tới những vẫn để cơ bản nhất vẻ các đặc trung của tin hiệu tiếng nói và các lĩnh vục của xứ Tý tiếng nói © Chương II: Tổng hợp tiếng nói sẽ trình bảy các phương pháp khác nhau trong tổng hợp tiếng nói đồng thời đưa ra đánh giá về hiệu quả của các phương, pháp này, s_ Chương III: Giải thuật TD-PSOLA. Chương này trinh bảy chỉ tiết về giải thuat PSOLA và phiên bản trên miễn thời gian TD-PSOLA, ding théi ciing dé cập tối các để tiên quan như vẫn để lọc nhiễu, cân bằng răng lượng.

© Chương IV: Thiết kế xây đựng ứng dung tang hop tiếng Việt Dựa trên nghiên cứu lý thuyết trong các chương trước, chương này sẽ trình bảy cách áp dung thuật toàn TD-PSOLA đẻ xây dựng chương trinh tổng hợp tiếng Việt tử văn bản và đánh giá các kết quả thụ được Trong quá trình viết luận văn chắc chắn không thế tránh khởi những thiểu sẻt, vi vay mong được hội đồng châm truớc. Cuối cùng xin gửi lời cảm ơn tới toàn thể hội đồng, các thấy cô giáo trong khoa Công nghệ thông tin, các thây cô giảo trong bộ môn Kỹ thuật mảy tỉnh. Cảm ơn thấy giáo Trnh Văn Loan đã tận tinh giúp đỡ, hướng dẫn tôi hoàn thành luận văn này. Tiọc viên Lê Trung Dũng LỄ TRUNG DŨNG - LỚP CAO HỌC XIL,TT&TT 2004 7 LUAN VAN THAC 8¥ 1.

Luỡi gà 8 Cơømiệng 9. Nắp đóng của thanh quản. Dây thanh giả 12. Thực quản Hình 1.1: Bộ máy phát âm của con người 1.

Cơ chế phát âm Trong quá trình tạo âm thanh không phái là âm mũi, vòm miệng mỏ, khoang mũi đóng lạt, đóng khí sẽ chỉ đi qua khoang muỗi. Khi phát âm mũi, vòm. hạ thấp và đông khí sẽ chỉ đi qua khoang mũi. Tuyến âm sẽ được kích thích bới nguồn năng lượng chính tại thanh môn.

Tiếng, nói được tạo ra đo tin hiệu nguồn từ thanh môn phát ra, đây không khí có trong phổi lên tạo thành đóng khi, va chạm vào hai dây thanh trong tuyển âm. Hai dây Thanh đao động số tạo ra công hướng, dao động ñm sẽ được lan truyền theo luyễn âm (tinh từ tuyển âm đến khoang miệng) vả sau khi đi qua khoang mũi vả môi, số tạo ra tiếng nỏi. BIÊU DIỄN TÍN HIỆU TIENG NOL Tin hiệu tiếng nói là tin hiệu tương tự. Do đỏ khi biểu diễn tín hiệu tiếng nói trong, môi trưởng tỉnh toán của tỉn hiện số, việc biểu diễn và lưu trữ sao cho không bị tất mát thông tìn là vẫn đề hết sức quan trong trang các hệ thẳng thông tin có sử dụng tín hiệu tiếng nói.

Việc xem xét các vấn đề xử lý tin hiện tiếng nói trong các hệ thống này dựa trên ba vận để chỉnh: «_ Biểu điễn tin hiệu tiếng nỏi dạng số. «_ Cài dất các kỳ thuật xử lý. + _ Các lớp ứng dụng dựa trên kỳ thuật xử lý tin hiệu sé. LE TRUNG DUNG - LGP CAO HOC XLTT&TT 2004 g LUAN VAN THAC 8¥ 4.4, XU LY VA PHAN TICTI VAN BAN, 4.

Phân tích văn bản tiếng Việt thành các từ. Xác định câu trong vin ban 4. Phân tịch câu (hành các từ. Xác định đấu (thanh điệu) của từ và tách từ thành điphone 4.

Xác định dấu (thanh Ñiện) của từ. Tách từ thành hai địphone 4. GHÉP NÓI CÁC DIPHONE VẢ THAY DÓI TẢN SỐ CƠ BẢN.Ghép nổi các đi hong lạo thành các từ không đắn 4. Phan tich van a.3, Gidi phap va cée buée thực hiện 4.2 Ghép nổi các điphone tạo thánh các từ có đầu.

Từ tạo thành từ các dịphane thông thường.2, Tit tạo thành từ các dịphone đặc biệt 4. ỨNG DUNG TONG HOP TIENG VIET. Giao điện chính 4. Minh hoa một số chức năng, chính của chương trình.

TÀI LIỆU THAM KHẢO. LE TRUNG DUNG - LGP CAO HOC XLTT&TT 2004 3 LUAN VAN THAC 8¥ Tiinh 4.10: Tam dé ghép ni 2 diphone để lạo thành từ Hinh 4.11: Ghép néi hai diphone oo.12: Vị lí lây cửa số.13: Biểu diễn tần số cơ bản của từ theo thời gian.14: Tín hiện âm ø và đường biển diễn Fo của thanh bằng 6 Hình 4.15: Tín hiệu âm ả và đường biểu diễn Fo của thanh huyền.16: Tin hiệu âm á và đường biểu điễn IFo của thanh sä 66 Hình 4.17: Tín hiệu âm á và đường biểu diễn Fo của thanh hỏ.18: Tín hiệu âm a và đường biểu diễn To cửa thanh năng.19: Tín hiệu âm Z và đường biểu diễn Fo của thanh ngã.20: Tỉnh chu kỳ cơ bản Fa tại điểm¡ 68 Hình 4.21: Sơ đồ khối tổng hợp diphone đặc biệt.22: Giao điện chỉnh của chương trình 10 Hinh 4.23: Tạo hai tử xin và chao.24: Biễu diễn lin hiện 2 tir xin va chao 79 Hình 4.25: Thay đổi tần số cơ bản Fo để tạo thanh huyển.36: 5ï đụng công cụ biến đổi cản bằng năng lượng.27: 8an khi cân bằng nắng lượng,.28: Cơ sẻ đữ liên điphone 2 Hình 4.29: Chức năng đọc văn bản. LE TRUNG DUNG - LGP CAO HOC XLTT&TT 2004 5 LUAN VAN THAC 8¥ LOI NOI BAU Máy tỉnh đồng vai trỏ quan trọng và Không thẻ thiểu trong cuộc sống hiện đại Ngày nay, hẳu hét mợi lĩnh vực như: cơ khi, điện tủ, giaa thông liên lạc. đểu có sự tham gia của máy tính.

Máy tính đã trở thành một công cụ hữu hiệu của con nguời trong xử lý thông lún. Sự phát triển của xã hội khiến cho khối lượng công. việc cân xử lý tăng theo, nhu câu tính toán, trao đổi thông fin cũng nằm (rong sự tăng trưởng này. Việc cải liển, nâng cao tóc độ tính toán, bộ nhớ cho máy tỉnh diễn ra rốt mạnh mẽ vả hoàn toàn đáp ứng vơi nhu cầu cẳn thiết.

Cùng với sự phát triển nhanh chỏng của máy tính, các hình thức trao đổi thông lin giữa con người và máy tỉnh cũng trở nên đa đạng. Iiện tại việc trao đối thông tin phổ biến giữa người và máy thông qua ban phim, chuột, cảm biển, mản hình, máy in. Tuy nhiên mệt phương pháp trao đổi thông tỉn mới được đánh giả cao và khá gân gũi đối với con người đỏ là sử đụng giợng nói. Để đạt được phương pháp này đời hỏi sự kết hợp của nhiều ngảnh nghiên cửu như trí tuệ nhân tạo, ngôn ngĩt học, xử lý tiếng nói.

Vấn để tổng hợp Hếng nói trang xử lý tiếng nói là mới trong những vấn để cần nghiên cứu và được trình bảy trong luận văn này. Tổng hợp tiếng nỏi đã được biết đến và nghiên cửu khả rộng râi trên thế giới. Kết quá thu được rất khả quan và làm tiễn để quan trọng cho sự giao liếp người máy Có khá nhiều ngân ngữ được tổng hợp thành sống với chất lượng khả tốt như tiếng Anh, tiếng Pháp. Ö Việt Nam tuy xử lý tiếng nói mới được chủ trọng nghiên cứu trong thời gian gản đây nhưng cũng đã thu đuợc một số kết quả đảng, khích lệ.

Với mục đích gop phân vào su phát triển của tổng hợp tiếng Việt, để tải nay nghiên cửu phương pháp tổng hợp tiếng Việt dựa trên việc phúp nỗi cáo âm tiết cơ bản sử đựng giải thuật TD-PSOI. Để tải này xây dựng một ứng dụng hoàn chỉnh về tổng hợp tiếng việt dựa trên nghiên cứu trên. Ứng dung nay cho phép theo dõi một cách trực quan quả trình ghép nếi tin hiệu, quá tình thay đổi tản số của tin hiệu, quá trình cần bằng năng lượng, và cuỗi củng là tiếng nẻi được phát ra với chất lượng chấp nhận được. Báo cáo được chia lắm 4 chương.

LE TRUNG DUNG - LGP CAO HOC XLTT&TT 2004 6 LUAN VAN THAC 8¥ CHUONG 1: LY THUYET VE TIENG NOI VA XU LY TIENG NOI 11. MG DAU Tiéng néi 1A mat phuong tign trac déi thdng un của con người. Tiếng nói được tạo ra tù quả trình tự duy của con người: trung khu thần kinh điều khiển hệ thông phat âm làm việc tạo ra âm thanh. Tiếng nói được phân biệt với các âm thanh khác bởi các đặc tỉnh âm học có nguồn sốc từ cơ chế tạo tiếng nói.

Về bản chất, tiếng nói là sự đao động của không khi có mang (heo thang lin. Cac dao dang nay (ao [hành những áp lục đến tai và được tai nhát hiện, phân tích va chuyển kết quả đến trung khu thần kinh. Lủc nảy tại trung khu thân kinh, thông tin được tải tạo lại đưới dạng từ duy logje mà con người có thể hiểu được. Tin hiệu tiếng nói được tạo thành bởi các chuỗi các âm vị liên tiếp.

Sự sắp xếp của các âm vị được chỉ phối bởi các quy tắc của ngôn ngữ. Việc nghiên cửu một cách chỉ tiết về những quy tắc này cũng như những khía cạnh khác bên lrong Hồng nói thuộc về chuyên ngành ngôn ngữ. Việc phân loại các âm vị của tiếng nói thuộc về chuyên ngành ngũ âm học, Khi nghiên cứu các mỏ hình toán học của cơ chế tạo tiếng nói, việc nghiên cứu về các âm vị là rất cân thiễL 1. BO MAY PHAT AM 1.

Bộ máy phát âm Bé may phat 4m bao gồm các thành phần riêng rễ như phổi, khí quản, thanh quản, và các đường dẫn miệng, mũi. Trong đó: « — Thanh quân chứa hai dầy thanh có thể đao động lạo ra sự cộng hưởng. cân thiết để tạo ra âm thanh. s __ Tuyến âm là ông không đều bắt đầu tử mài, kết thúc bởi đây thanh hoặc thanh quản.

s _ Khoang mũi là ông không đều bắt đầu từ môi, kết thúc bởi vòm miệng, có độ đải cố định khoảng 12em đối với người lớn. « __ Vòm miệng là các nếp cơ chuyển động, LE TRUNG DUNG - LGP CAO HOC XLTT&TT 2004 & LUAN VAN THAC 8¥ DANH MỤC CÁC HÌNH VẼ Hình 1: Bộ máy phảt âm của con người 9 Hình 1.2: Biểu diễn tín hiệu tiếng nói.3: Thông hượng cho các phương pháp biểu điễn liếng nói 1 Hình 1.4: Mô Hình hoá nguồn âm đổi với âm hữu thanh.5: Chuỗi 5 đoạn ông âm học lý trưởng 19 Hình 1.6: Cách biểu diễn lý hoc va toán học .7: Mô hình số của hệ thỗng phái âm Hình L8: Một vải ứng dụng xử lý Hềng nói Hình2. I: Câu trắc cơ bản của một bộ tổnghợp formant na p 26 Hình 2.2: Cấu trắc cơ bản của một bộ tống hợp formant sơng song.3: Mô hình tổng hợp tiếng nói - 29 Hình 2.4: Sự phụ thuộc của ngôn điệu vào các yếu tô.1: Xác định cực đại địa phương của hàm nắng lượng.2: Cộng xếp chẳng các đoạn tin hiệu.3: Qu Irinh lam thay đổi Lân số của tin hiệu Hình 3.4: Sự thay đổi tân số và thời gian với TD-PSOLA.5: Hàm lự tương quan đổi với âm húm thanh (a) và (b); và vô thanh () ding eda sd Hamming với M=461. co eeeeerisseeeoseo4T Tình 3.6: Mô lâ hàm vi sai biên độ trung bình 42 Hình 3.