Συνθεση Φωνης Στο Πεδιο Του Χρονου: Βάση Δεδομένων Και Μηχανή Επιλογής Βέλτιστου Διφώνου.

Abstract

Ο σκοπός της διπλωματικής εργασίας ήταν η μελέτη, η σχεδίαση και η υλοποίηση της μηχανής βέλτιστης επιλογής στοιχειωδών μονάδων ομιλίας (BUS-Best Unit Selection), για σύνθεση φωνής στο πεδίο του χρόνου. Η μηχανή σχεδιάστηκε για να λειτουργήσει με έναν συνθέτη φωνής απο κείμενο, που ακολουθεί τη μέθοδο σύνθεσης με επιλογή και παράθεση διφωνημάτων, που είναι καταχωρημένα σε μια βάση δεδομένων. Η μεθοδολογία που ακολουθήθηκε για τη σχεδίαση της μηχανής βέλτιστης επιλογής διφωνημάτων, στηρίχθηκε σε ιδέες απο τους τομείς των γνωσιακών αλγορίθμων, της τεχνητής νοημοσύνης και του δυναμικού προγραμματισμού. Συγκεκριμένα, αναπτύχθηκε κώδικας που υλοποιεί το δένδρο απόφασης της μηχανής αναζήτησης για την εύρεση του καλύτερου μονοπατιού ακολουθίας διφωνημάτων. Η αυξημένη υπολογιστική πολυπλοκότητα που απαιτείται κατα την ανάπτυξη του δένδρου, οδήγησε στη λύση της παραμετρικής ανευρετικής μεθόδου των Κ- καλύτερων μονοπατιών ανα επίπεδο. Επιπλέον, μελετήθηκε η οργάνωση, η δόμηση και ο περαιτέρω εμπλουτισμός, της βάσης δεδομένων με διφωνήματα, με σκοπό τη διευκόλυνση στο μέγιστο δυνατό, της πρόσβασης και αναζήτησης των δεδομένων της με κατάλληλους αλγόριθμους.Τέλος, πραγματοποιήθηκαν μερικά ακουστικά πειράματα που είχαν σαν σκοπό, αφενός την διαπίστωση της βελτίωσης του συστήματος σύνθεσης και αφετέρου την διερεύνηση καινούργιων παραμέτρων και κριτηρίων, που θα συντελέσουν στην περαιτέρω αναβάθμιση του συνθέτη φωνής.