Bibliographie & annexes
Présentation
En anglais
NOTE DE L'ÉDITEUR
Cet article est la réédition actualisée de l'article du même titre, paru en 2003 et rédigé par Gaël RICHARD et Olivier CAPPÉ.
RÉSUMÉ
L’objet de cet article est de proposer une vue d’ensemble de la synthèse de la parole à partir du texte (ou TTS, Text-To-Speech en Anglais), le but étant de calculer automatiquement le signal de parole correspondant à un texte donné. Les différentes étapes permettant de réaliser un tel système sont décrites tout en incluant les techniques les plus récentes, dont celles exploitant les modèles de Markov cachés. Les différentes applications de la synthèse vocale ainsi que l’offre des principaux acteurs du domaine sont également discutées.
Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.
Lire l’articleABSTRACT
This article provides an overview of speech synthesis from text or Text-To-Speech (TTS) in order to automatically calculate the speech signal corresponding to a given text. The various stages necessary in order to set up such a system are described, including the latest techniques such as those exploiting hidden Markov models. The various applications of speech synthesis and the principal offers in this domain are also discussed.
Auteur(s)
-
Christophe D'ALESSANDRO : Directeur de Recherches LIMSI-CNRS, Orsay, France
-
Gaël RICHARD : Professeur Institut Mines-Télécom, Télécom ParisTech, CNRS-LTCI, Paris, France -
INTRODUCTION
L'objet de la synthèse de la parole à partir du texte (ou TTS, Text-To-Speech) est de calculer automatiquement le signal de parole correspondant à un texte donné. Le texte lui-même peut provenir de diverses sources : journaux, livres, systèmes de réponse vocale, de dialogue ou traduction automatique (borne interactive, assistant personnel), base de données d'un système d'information, jeu vidéo, courriers électroniques, SMS, documents butinés sur la toile, ou tout simplement texte saisi au clavier d'un ordinateur.
La réponse vocale sous sa forme la plus simple peut être un ensemble de messages préenregistrés (ou « prompts »). L'ambition de la synthèse de la parole à partir du texte est plus grande : il s'agit de calculer automatiquement les échantillons sonores correspondant à un énoncé écrit quelconque, qui n'est pas connu d'avance et qui peut être de grande taille.
Les deux versants de la synthèse de la parole sont d'une part, l'analyse et l'interprétation du texte, d'autre part, la prédiction des paramètres acoustico- phonétiques du son et la synthèse du signal proprement dite :
-
Analyse du texte : la première étape de la transformation d'un texte en parole implique la capacité d'analyser, de comprendre le texte écrit, ses nuances et ses connotations, la situation du discours et l'acte de parole à effectuer. En plus du texte, le contexte peut être spécifié (style de parole, émotion, attitude, type de personnage, voix spécifique...) ;
-
Synthèse du signal : une fois le texte analysé, il s'agit de calculer le signal acoustique qui interprète au mieux le contenu linguistique, avec une voix aussi naturelle que possible, ressemblant à un locuteur particulier, et avec les nuances d'attitude, voire d'émotion que le texte réclame. En plus du signal audio, le synthétiseur peut fournir des indications pour synchroniser le mouvement des lèvres d'un avatar ou personnage vidéo, ou les mouvements d'un robot.
L'expertise technique et scientifique de référence
MOTS-CLÉS
KEYWORDS
signal processing | linguistics
VERSIONS
- Version archivée 1 de nov. 2003 par Gaël RICHARD, Olivier CAPPÉ
DOI (Digital Object Identifier)
Cet article fait partie de l’offre
Documents numériques Gestion de contenu
(76 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Présentation
Signal de parole et modèle source-filtre
En anglais
2. Analyses et traitements linguistiques
La première étape d'un système TTS comprend les modules de traitements linguistiques qui permettent de transformer le texte à synthétiser en une chaîne de symboles représentant les sons distinctifs de la langue, ou « phonèmes », et un ensemble d'indications « prosodiques » caractérisant l'élocution (durée des différents sons et des pauses, évolution de la mélodie). Cette représentation phonético-prosodique est ensuite utilisée par l'étage de synthèse sonore qui assure la génération du signal de parole numérisé.
Les traitements linguistiques se décomposent en plusieurs étapes, qui obéissent en général à la séquence suivante :
-
normalisation et prétraitement du texte brut : cherche les phrases, les anomalies du texte et produit une séquence lexicale (séquence d'unités lexicales ou « mots ») ;
-
analyse lexicale, morpho-syntaxique et syntaxique : enrichit la séquence lexicale avec des étiquettes lexicales, des marques morpho-syntaxiques et produit un découpage en composantes syntaxiques ;
-
transcription graphème-phonème : transforme la suite lexicale de sa forme orthographique à la forme phonétique.
2.1 Normalisation et prétraitement
Les sources du texte à synthétiser peuvent être variées : interfaces de programmation (API), textes issus de la toile, SMS, journaux ou livres électroniques, courriels, etc.
Confrontés à des sources de textes réelles et variées, le système de synthèse doit normaliser les nombreuses « anomalies » des textes au niveau graphémique (c'est-à-dire des « graphèmes » ou caractères écrits). Cette étape de prétraitement a pour objet de retranscrire en toutes lettres les chaînes de caractères non lexicales (hors dictionnaire), ou inconnues.
Il peut s'agir de nombres et de chiffres (3 999 356 à transcrire « trois millions neuf cent quatre vingt dix neuf mille trois cent cinquante six »), de dates (« 24/01/63 », « 24 janvier 1963 »), ou plus généralement de mots composés de caractères orthographiques et numériques (« vol AF102 », « référence SD44 »), de symboles spéciaux...
L'expertise technique et scientifique de référence
Cet article fait partie de l’offre
Documents numériques Gestion de contenu
(76 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Analyses et traitements linguistiques
BIBLIOGRAPHIE
-
(1) - SPROAT (R.), MOEBIUS (B.), MAEDA (K.), TZOUKERMANN (E.) - Multilingual text analysis. - Dans Multilingual Text-To-Speech Synthesis – The Bell Labs Approach, SPROAT (R.) et coll. éd., Kluwer Academic Publishers (1998). Ce livre décrit en détail les procédures de synthèse de l'anglais et d'autres langues, et donne une introduction au domaine.
-
(2) - TAYLOR (P.) - Text-To-Speech synthesis. - Paul Taylor, Cambridge University Press (2009). Ce livre récent présente de façon approfondie les techniques de synthèse modernes.
-
(3) - HARDCASTLE (W.T.), MARCHAL (A.) - Speech Production and Speech Modeling. - Kluwer Academic Publishers (1990). Ce livre est une introduction à la production de la parole par l'humain.
-
(4) - BOËFFARD (O.), D'ALESSANDRO (C.) - Synthèse de la parole. - Dans « Analyse, synthèse et codage de la parole », sous la direction de MARIANI (J.), Hermès (2002). Ce livre est une excellente introduction au traitement de la parole, existe aussi en anglais.
-
(5) - D'ALESSANDRO (C.), TZOUKERMANN (E.) - Synthèse...
-
Acapela http://www.acapela-group.com/
Acapela est le nouveau nom du groupe issu de BaBel Technologies SA et Babel-Infovox AB, qui a également absorbé ELAN speech. Acapela propose de nombreuses solutions de synthèse multilingues issues au départ des recherches de l'Institut royal de technologie de Stockholm (KTH) et l'Université de Mons (Belgique). Les technologies proposées par Acapela incluent la synthèse à formants, la synthèse par diphones (technologie MBROLA) et la synthèse par sélection/concaténation. La synthèse paramétrique statistique n'est pas encore commercialisée, mais pourrait bientôt apparaître sur le marché. Acapela offre des produits en 18 langues, et affiche plus de 1 000 clients industriels dans des domaines très variés.
L'offre d'Acapela se décline suivant quatre grands axes :
1. Le développement d'applications de synthèse :
-
a. kits de développement logiciels (SDK, Software Development Kits) proposés pour la plupart pour des systèmes d'exploitation, sous la forme serveur, ordinateur personnel ou système mobile (Linux, Windows, Mac OS X, Androïd, etc.), pour des systèmes à la demande ou pour des services Internet,
-
b. systèmes de réponse vocale matériel, pour la synthèse par exemple de messages de sécurité dans des environnements industriels (Hardware Speech Unit ),
-
c. systèmes de lecture vocale pour les journaux ou autres éditeurs,
-
d. systèmes de personnalisation vocale des services, pour des compagnies souhaitant donner une identité vocale à leur site ou produits,
-
e. des...
-
L'expertise technique et scientifique de référence
Cet article fait partie de l’offre
Documents numériques Gestion de contenu
(76 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
