Метад інтанацыйных табулатур для распазнавання і сінтэзу прасадычных сродкаў маўлення апаратна-праграмнымі сістэмамі

Abstract

Апісваецца метад інтанацыйных табулатур для кадавання прасадычных параметраў маўлення (вышыні тону, інтэнсіўнасці, тэмпу) з мэтай іх распазнавання і сінтэзу апаратна-праграмнымі сістэмамі. Разгледжаны акустычныя аспекты гукаўтварэння, сегментныя і супрасегментныя адзінкі мовы, асноўныя функцыі інтанацыі. Прапанавана прадстаўленне інтанацыйнага контуру ў выглядзе паслядоўнасці 8-бітных кодаў, якія адпавядаюць ячэйкам матрыцы 8 × 8 (табулатуры), дзе камбінацыі бітаў задаюць гучнасць, зрух частаты фарманты і працягласць. Метад дазваляе незалежна перадаваць лічбавыя эквіваленты фундаментальных супрасегментных параметраў, што важна для дакладнага сінтэзу маўлення і ўдасканалення маўленчых інтэрфейсаў. Апісаны этапы рэалізацыі метаду: выяўленне акустычных інварыянтаў, распрацоўка метадалогій аналізу і сінтэзу, стварэнне праграмна-тэхнічных сродкаў і базы даных.

This paper describes a method of intonational tablatures for coding prosodic speech parameters (pitch, intensity, tempo) to enable their recognition and synthesis by hardware- software systems. Acoustic aspects of phonation, segmental and suprasegmental units of language, and the main functions of intonation are considered. The proposed approach represents the intonation contour as a sequence of 8-bit codes corresponding to cells of an 8 × 8 matrix (tablature), where bit combinations encode loudness, formant frequency shift, and duration. The method allows independent transmission of digital equivalents of fundamental suprasegmental parameters, which is important for accurate speech synthesis and improving speech interfaces. The implementation stages of the method are outlined: identification of acoustic invariants, development of analysis and synthesis methodologies, creation of hardware-software tools, and a database.