Il progetto presentato si compone di due programmi indipendenti ed interagenti fra di loro: l'HLSyn, un sintetizzatore in sintesi articolatoria e CRIiSTAL, un trascrittore fonetico per l'italiano standard, anche se in realtà vedremo che è utilizzabile anche per altre lingue.
Il sintetizzatore HLSyn
Il tratto vocale e tutti gli organi responsabili della fonazione nel corpo umano possono essere modellati con una serie di parametri che chiameremo di alto livello (HighLevel parameters), strettamente connessi con i valori delle formanti, le larghezze di banda e tutte le variabili che contribuiscono alla generazione del segnale vocale: queste caratteristiche sono utilizzate nella sintesi per formanti nel KLSyn88. L'HLSyn basa la sua elaborazioine su questo sintetizzatore, rappresentandone però un'evoluzione. All'interno dell'HLSyn vi sono 13 parametri di alto livello, variabili nel tempo, e 24 impostabili dall'utente ma costanti per tutto il processo di generazione che, tramite delle relazioni matematiche, sono trasformati nei parametri del KLSyn, che provvederà a realizzare la sintesi del segnale. I parametri utilizzati dall'HLSyn sono influenzati dallo stato degli organi fonatori e dai loro movimenti: il loro elenco è nella tabella riportata di seguito.
|
Parametro
|
Descrizione
|
|
f1,
f2, f3, f4
|
Prime
quattro frequenze naturali del tratto vocale. Queste sono le frequenze
naturali quando la faringe è chiusa, non c'è accoppiamento
acustico con la trachea e non ci sono occlusioni, anche parziali,
davanti al tratto vocale formate dalla lingua o dalle labbra..
|
|
f0
|
Frequenza
fondamentale di vibrazione delle corde vocali. E' data un decimi
di Hz.
|
|
al
|
Area
dell'apertura della glottide. Il range di variazione normale è
tra 0 e 40 mm2. Il valore medio per suoni sonori è di circa
3 - 5 mm2.
|
|
ag
|
Area
trasversale della costrizione formata dalle labbra durante la produzione
delle consonanti. Il range di variazione è tra 0 e 100 mm2.
Il valore 100 mm2 corrisponde alla configurazione senza costrizione.
|
|
ab
|
Area
trasversale della costrizione formata dalla lingua durante la produzione
delle consonanti. Il range di variazione è tra 0 e 100 mm2.
Il valore 100 mm2 corrisponde alla configurazione senza costrizione
|
|
an
|
Area
trasversale della costrizione del velo faringeo. Il range di variazione
è tra 0 e 100 mm2.
|
|
ue
|
Rapidità
di aumento del volume del tratto vocale durante l'intervallo di
occlusione di una consonante occlusiva sonora. Un valore positivo
di ue corrisponde ad una espansione della cavità dietro al
punto di occlusione, un valore negativo ad una contrazione. L'integrale
di ue calcolato sull'intervallo di costrizione è l'aumento
o la diminuzione totale del volume.
|
|
ps
|
Pressione
subglottale. Permette di aumentare o diminuire l'intensità
del segnale prodotto. L'unità di misura è in cm di
H2O.
|
|
dc
|
Variazione
percentuale dell'elasticità delle pareti dell'apparato fonatorio
durante la pronuncia.
|
|
ap
|
Area
dell'interstizio glottale posteriore che persiste attraverso un
ciclo glottale. L'unità di misura è mm2.
|
La creazione di un suono con l'HLSyn è fatta riportando in una tabella tipo foglio di calcolo, i valori dei parametri assunti negli istanti di tempo opportunamente selezionati. Riportiamo di seguito un esempio. I valori più scuri rappresentano dati inseriti dall'utente, quelli in grigio più chiaro sono ottenuti per interpolazione lineare.
Come si può creare un sistema automatico text-to-speech con HLSyn?
Utilizzando il programma CRIiSTAL.