Βελτίωση Της Ποιότητας Συνθετικής Φωνής Και Εφαρμογή Σε Σύγχρονα Τηλεπικοινωνιακά Περιβάλλοντα Και Υπηρεσίες

Abstract

Αντικείμενο της διδακτορικής διατριβής αποτελεί η τεχνολογία σύνθεσης φωνής από κείμενο. Έμφαση δίνεται στην μεθοδολογία σύνθεσης με επιλογή και συρραφή ακουστικών μονάδων στο πεδίο του χρόνου, εστιάζοντας κυρίως στον αλγόριθμο επιλογής ακουστικών μονάδων και στην σχεδίαση των συναρτήσεων κόστους και ειδικότερα της συνάρτησης του κόστους ένωσης. Προτείνεται και αξιολογείται ένα νέο μεθοδολογικό πλαίσιο που αξιοποιεί τεχνικές μηχανικής μάθησης και συγκεκριμένα ταξινόμηση-μιας-τάξης. Επιπλέον, εξετάζονται προσεγγίσεις και τεχνικές που αφορούν την προσαρμογή αυτής της τεχνολογίας σε περιβάλλον ενσωματωμένων συστημάτων με περιορισμένους υπολογιστικούς πόρους. Προτείνονται και αξιολογούνται τεχνικές για την δημιουργία και την κωδικοποίηση της βάσης δεδομένων καθώς και για την ελαχιστοποίηση των υπολογιστικών απαιτήσεων του αλγόριθμου επιλογής. Εξετάζονται επίσης παραμετρικές τεχνικές σύνθεσης φωνής για την περίπτωση της Ελληνικής γλώσσας και συγκεκριμένα η σύνθεση με Κρυφά Μαρκοβιανά Μοντέλα. Απώτερος στόχος είναι η βελτίωση της ποιότητας της συνθετικής ομιλίας με σκοπό την ευρεία υιοθέτηση συστημάτων σύνθεσης φωνής σε σύγχρονα τηλεπικοινωνιακά περιβάλλοντα και υπηρεσίες.