سنتز گفتار فارسی و بهبود سرعت آن با روش انتخاب واحد از طریق جستجوی شعاعی و پیرایش دادگان

اتصال قطعات ازپیش ضبط شده گفتار، یکی از روش های سنتز گفتار است که با عنوان سنتز مبتنی بر انتخاب واحد شناخته می شود. ایده اصلی این گونه سیستم ها، جستجو و انتخاب بهترین نمونه های گفتاری از درون یک دادگان بزرگ و اتصال آنها به منظور تولید شکل موج نهایی می باشد. جستجو در حجم وسیعی از دادگان برای انتخاب نمونه های مناسب امری زمان بر است. همچنین، بسیاری از کاربردها تحمل زمان طولانی برای سنتز گفتار را ندارند. در این مقاله روش جستجوی شعاعی برای محدودکردن فضای جستجو و کاهش زمان جستجو ارائه می شود. در این روش، درخت جستجو هرس می شود تا مسیرهایی که احتمال بهینه بودن آنها کمتر است از فضای جستجو حذف گردند. آزمایشات انجام گرفته نشان می دهد که با حذف 60% از مسیرهای جستجو به کمک این روش، زمان سنتز 57% کاهش پیدا کرد، در حالی که طبیعی بودن گفتار سنتزشده بر اساس روش ارزیابی MOS از 4.2 به 4.0 کاهش یافت که تنها کاهشی معادل 4.7% را نشان می دهد. همچنین با پیرایش 10% از دادگان بر اساس هر یک از دو معیار مطرح شده در این مقاله، سرعت سنتز 14.07% افزایش پیدا کرد، اما بر اساس ارزیابی MOS، طبیعی بودن گفتار از 4.2 به ترتیب به 3.99 و 4.04 کاهش یافت که این اختلاف، معادل 5% و 3.8% نسبت به حالتی که دادگان پیرایش نشده بودند، می باشد.