Ανάπτυξη Συστήματος Σύνθεσης Φωνής Με Συνένωση Για Την Ελληνική Γλώσσα

Abstract

Στην παρούσα εργασία περιγράφεται η ανάπτυξη ενός συστήματος σύνθεσης φωνής για την Ελληνική γλώσσα, χρησιμοποιώντας εργαλεία και τεχνογνωσία της IBM. Συγκεκριμένα, περιγράφονται τα βήματα που ακολουθήθηκαν για την εκπαίδευση της πειραματικής πλατφόρμας σύνθεσης φωνής της IBM (hybrid TTS engine), η οποία πραγματοποιεί σύνθεση φωνής μέσω συνένωσης και επιλογής τμημάτων, στην Ελληνική γλώσσα. H εργασία πραγματοποιήθηκε στο T.J Watson Research Center, στη Νέα Υόρκη, στην IBM Hellas και στο Εθνικό Μετσόβιο Πολυτεχνείο.Η εργασία ξεκινάει με μια παρουσίαση των βασικών εννοιών στο χώρο της σύνθεσης φωνής, όπως το φώνημα, η τονικότητα, η προσωδία, το γλωσσικό και το ακουστικό μοντέλο. Παρουσιάζονται επίσης οι επικρατέστεροι μέθοδοι σύνθεσης φωνής, πέραν της σύνθεσης με συνένωση. Στη συνέχεια παρουσιάζεται η δομή και η λειτουργία της πλατφόρμας της IBM, και περιγράφονται οι διαδικασίες που πρέπει να ακολουθηθούν για τη εκπαίδευσή της σε μια νέα γλώσσα. Ακολουθεί το κυρίως μέρος της διπλωματικής εργασίας, που περιγράφει αναλυτικά τη μελέτη που έγινε, τα βήματα που εκτελέστηκαν και τα εργαλεία που αναπτύχθηκαν στα πλαίσια της ανάπτυξης ενός ολοκληρωμένου συστήματος σύνθεσης φωνής για τα Ελληνικά.Κατά την ανάπτυξη του συστήματός μας, ιδιαίτερο βάρος δόθηκε στη μελέτη των ιδιαίτερων χαρακτηριστικών της Ελληνικής γλώσσας, και στον τρόπο που αντιμετωπίζονται στα πλαίσια μιας ενιαίας μεθοδολογίας ανάπτυξης πολυγλωσσικών συστημάτων. Στα πλαίσια της παρούσας εργασίας περιγράφονται τα προβλήματα αυτά, ο τρόπος προσέγγισής τους και τα αποτελέσματα που επιτεύχθηκαν.