Фанетычная мінімізацыя корпуса тэкстаў на беларускай мове для навучання сістэмы сінтэзу маўлення

Большасць сучасных сістэм сінтэзу маўлення базіруюць сваю працу на корпусным метадзе. Корпусны метад, у адрозненні ад папулярнага раней кампіляцыйнага, выкарыстоўвае базу дадзеных натуральнага маўлення, якая складаецца не з асобных спецыяльна выбраных элементаў кампіляцыі, а ўяўляе сабой корпус фанаграм натуральнага маўлення. Для дасягнення высокай якасці сінтэзаванага маўлення пры такім падыходзе патрабуюцца вялікія аб’ѐмы тэкставай і адпаведнай гукавой інфармацыі, што з’яўляецца істотнай праблемай для так званых нерэсурсных моў, да якіх адносіцца і беларуская. У такім выпадку, як правіла, прымяняецца фанетычная мінімізацыя – адмысловы адбор тэкстаў, у выніку якога аб’ѐм тэкставага корпуса максімальна змяншаецца, але пры гэтым захоўваецца фанетычная паўната. У артыкуле разглядаюцца звесткі пра сутнасць і спосаб працы корпуснага метаду генерацыі гукавога сігналу ў сістэмах сінтэзу маўлення, прыводзіцца падрабязны агляд падыходаў да фарміравання тэкставых і маўленчых карпусоў, неабходных для генерацыі маўлення корпусным метадам. Другая палова працы прысвечана апісанню распрацаванага алгарытму фанетычнай мінімізацыі корпуса тэкстаў на беларускай мове, а таксама тэхнічных і лінгвістычных рэсурсаў, выкарыстаных для яго рэалізацыі. Прыводзяцца апісанні распрацаванага праграмнага прататыпа і шэрагу праведзеных аўтарам эксперыментаў па фанетычнай мінімізацыі.

1. Safarik, R. Unified approach to development of ASR systems for east slavic languages / R. Safarik,

2. J. Nouza; ed. N. Camelin, Y. Estève, C. Martín-Vide // Proc. of 5th Intern. Conf. «Statistical Language and Speech Processing» (SLSP’2017), Le Mans, France, 23–25 Oct. 2017. – Springer, 2017. – P. 193–203.

3. Гецэвіч, Ю. С. Аўтаматызаваная апрацоўка сімвальных выразаў у тэкстах для сістэмы сінтэзу беларускага маўлення / Ю. С. Гецэвіч // Информатика. – 2011. – № 4(32). – С. 82–93.

4. Лысы, С. І. Генерацыя нацыянальнай транскрыпцыі тэкстаў на беларускай мове / С. І. Лысы, Ю. С. Гецэвіч // Информатика. – 2017. – № 2(54). – C. 84–92.

5. Hunt, A. Unit selection in a concatenative speech synthesis system using a large speech database / A. Hunt, A. Black // Proc. of IEEE Intern. Conf. «Acoustic, Speech and Signal Processing» (ICASSP’96), Atlanta, USA, 7–10 May 1996. – Atlanta, 1996. – Vol. 1. – P. 373–376.

6. Лобанов, Б. М. Компьютерный синтез и клонирование речи / Б. М. Лобанов, Л. И. Цирульник // Минск : Беларус. навука, 2008. – 344 с.

7. Segment selection in the L&H Realspeak laboratory TTS system / G. Coorman [et. al.] // Proc. of 6th Intern. Conf. «Spoken Language Processing» (ICSLP’2000), Beijing, China, 16–20 Oct. 2000. – Beijing, 2000. – Vol. 2. – P. 395–398.

8. Godfrey, J. Language Resources / J. Godfrey, A. Zampolli // Survey of the State of the Art in Human Language Technology. – Cambrige University Press, 1996. – Ch. 12. – P. 357–384.

9. Zinovieva, N. Phonetically sufficient allophonic database for concatenation synthesis of russian speech / N. Zinovieva // Proc. of the 13th Section «Intern. Congress of Phonetic Sciences» (ICPhS’95), Stockholm, Sweden, 13–19 Aug. 1995. – Stockholm, 1995. – Vol. 2. – P. 358–361.

10. Fotinea, S.-E. Constructing a segment database for greek time domain speech synthesis / S.-E. Fotinea, G. Tambouratzis, G. Carayannis // Proc. of 7th European Conf. «Speech Communication and Technology» (EUROSPEECH’2001), Aalborg, Denmark, 3–7 Sept. 2001. – Aalborg, 2001. – Vol. 3. – P. 2075–2078.

11. Lambert, T. A database design for a TTS synthesis system using lexical diphones / T. Lambert, A. Breen // Proc. of 9th European Conf. «Speech Communication and Technology» (InterSpeech’2004), Jeju Island, Korea, 4–8 Oct. 2004. – Jeju Island, 2004. – P. 1381–1384.

12. Lyudovyk, T. Speech databases used for concatenative speech synthesis / T. Lyudovyk, M. Sazhok // Proc. of 7th All-Ukrainian Intern. Conf. on Signal/Image Processing and Pattern Recognition (UkrObraz’2004). – Kyjiv, 2004. – P. 111–114.

13. Закревский, А. Д. Основы логического проектирования / А. Д. Закревский, Ю. В. Поттосин, Л. Д. Черемисинова. – Минск : ОИПИ НАН Беларуси, 2004. – Кн. 1. Комбинаторные алгоритмы дискретной математики. – 226 с.

14. Introduction to Algorithms / T. H. Cormen [et. al.]. – 3rd ed. – Cambridge : The MIT Press, 2009. – 1292 p.

15. Hue, X. Genetic algorithms for optimization / X. Hue. – Edinburgh : Edinburgh Parallel Computing Centre Press, 1997. – 276 p.

16. Matoušek, J. ARTIC: A new Czech text-to-speech system using statistical approach to speech segment database construction / J. Matoušek, J. Psutka // Proc. of the 6th Intern. Conf. on Spoken Language Processing (ICSLP’2000), Beijing, China, 16–20 Oct. 2000. – Beijing, 2000. – Vol. 4. – P. 612–615.

17. Barbot, N. Comparing performance of different set-covering strategies for linguistic content optimization in speech corpora / N. Barbot, O. Boeffard, A. Delhay // Proc. of the Intern. Conf. on Language Resources and Evaluation (LREC’12). – Istanbul, 2012. – P. 969–974.

18. Development of syllable-based text to speech synthesis system in Bengali / N. P. Narendra [et. al.]. // Intern. J. of Speech Technology. – 2011. – No. 14(3). – P. 167–181.

19. Kayte, S. A review of unit selection speech synthesis / S. Kayte, M. Mundada, C. Kayte // Intern. J. of Advanced Research in Computer Science and Software Engineering. – 2015. – No. 5(10). – P. 475–479.

20. Corpus and voices for catalan speech synthesis / A. Bonafonte [et. al.] // Proc. of the Intern. Conf. on Language Resources and Evaluation (LREC’2008), Marrakech, Morocco, 26 May–1 June 2008. – Marrakech, 2008. – P. 3325–3329.

21. Casademont, E. G. Building synthetic voices in the META-NET framework / E. G. Casademont, A. Bonafonte, M. Moreno // Proc. of the 8th Intern. Conf. on Language Resources and Evaluation (LREC’12), Istanbul, Turkey, 21–27 May 2012. – Istanbul, 2012. – P. 3322–3326.