تبدیل حرف به صدا در زبان فارسی به کمک شبکه های عصبی پرسپترون چند لایه ای

ساخت سیستم های اتوماتیک تبدیل حرف به صدا برای استفاده در سیستم های تبدیل متن به گفتار در زبان فارسی، به دلیل عدم استفاده از اعراب در نوشتار و در نتیجه مستوربودن بعضی از واکه ها مشکل می باشد و عموما این سیستم ها برای زبان فارسی کارآیی پایینی دارند. در این مقاله ساختار یک سیستم تبدیل حرف به صدا با معماری سه لایه بررسی شده است. لایه اول این سیستم قانون - گرا می باشد و لایه دوم از پنج شبکه عصبی پرسپترون چندلایه ای و یک بخش کنترلر برای تعیین دنباله واجی متناظر با حروف تشکیل شده است. برای تعیین دنباله واجی متناظر با حروف، از شبکه های عصبی استفاده می شود. بخش کنترلر نیز، خروجی شبکه ها را کنترل می کند تا دنباله واجی نهایی متناظر با کلمات با ساختار هجابندی فارسی مطابقت داشته باشد. در لایه سوم نیز یک شبکه عصبی برای تعیین حروف مشدد، با استفاده از نتایج مراحل قبل وجود دارد. اجزا مختلف این سیستم به گونه ای طراحی شده اند که در نهایت برای هر کلمه، یک دنباله واجی منطقی تولید گردد. منظور از دنباله واجی منطقی، دنباله واجی می باشد که در آن اصول بدیهی واج نگاری و ساختار هجابندی زبان فارسی رعایت شده باشد. میزان درستی به دست آمده برای حروف %88 و برای کلمات %61 می باشد که برای تبدیل حرف به صدای زبان فارسی کارآیی بسیار خوبی می باشد.