Bibliographie & annexes
Présentation
English
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’articleAuteur(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
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
Prosodie
English
3. Signal de parole et modèle source-filtre
Cette approche est fondée sur un modèle source-filtre de production du signal vocal, modèle commandé par un nombre restreint de paramètres. La synthèse se décompose en deux étapes :
-
1. à l'aide de règles contextuelles, les informations phonético-prosodiques sont transformées en commandes permettant de spécifier l'évolution temporelle des paramètres du modèle de synthèse ;
-
2. les valeurs des paramètres ainsi déterminées sont utilisées par le vocodeur pour synthétiser le signal acoustique.
Historiquement, dès la fin des années 1950, ce type de technique a été la première à émerger avec les vocodeurs de l'époque, et des règles élaborées explicitement par l'analyse de corpus phonético- acoustique. Elle reste encore utilisée, après une éclipse en faveur des techniques par concaténation d'unités (§ 5.4), grâce aux techniques statistiques qui remplacent avantageusement les règles explicites par des techniques d'apprentissage automatique.
3.1 Modèle paramétrique de synthèse de parole
Le signal de parole peut être modélisé par un système source-filtre. La parole résulte de l'excitation des cavités acoustiques supra-glottiques (conduit oral, conduit nasal) par des impulsions acoustiques créées par le flux d'air en provenance des poumons et modulé par les cordes vocales. Le modèle source-filtre de la parole représente la production vocale en distinguant deux éléments : une source de phonation, qui représente les impulsions ou le bruit généré à la glotte, et un filtre acoustique qui modélise la contribution de la partie articulatoire.
HAUT DE PAGE...
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
Signal de parole et modèle source-filtre
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
