01a - Sprachsynthese

Question 1

Was ist Sprachsynthese?

Answer 1

• Eine Maschine soll beliebigen Text vorlesen/ausgeben können

Question 2

Was ist ein TTS System?

Answer 2

• Ein Text to Speech Synthese System

- Es beschreibt wie Text in Sprache umgewandelt wird bzw. welche Schritte dafür notwndig sind

Question 3

Aus welchen Prozessteilen besteht ein TTS System?

Answer 3

• NLP = Natural Language Processing

- DSP = Digital Signal Processing

Question 4

Was passiert beim Natural Language Processing?

Answer 4

• Ist Teil des TTS Systems

- Der Text wird in Lautschrift und ProsodieBeschreibung konvertiert

Question 5

Was passiert beim Digital Signal Processing?

Answer 5

• Die Ausgabe des NLP wird genommen und es wird eine Synthese durchgeführt

Question 6

Was wird bei der Textnormalisierung gemacht und wofür wird sie gebraucht?

Answer 6

• Buchstaben werden je nach Wort oft anders ausgesprochen (st, …)
• Manchmal sind Symbole, Abkürzungen (.NET) im Text enthalten, wovon man nicht weiß wie diese ausgesprochen gehören
• Bei der Textnormalisierung muss herausgefunden werden wie diese Buchstaben richtig ausgsprochen werden

Question 7

Was ist Prosodie?

Answer 7

• Die Prosodie bestimmt folgende Eigenschaften von lautsprachlichen Äußerungen:
  
  • Akzent/Betonung
  • Grundfrequenzkonturen
  • Lautstärke
  • Intonation
  • Sprechgeschwindigkeit

Question 8

Was ist Intonation?

Answer 8

• Der Tonhöhenverlauf innerhalb eines Sprechaktes

Question 9

Was ist das Problem bei der Prosodie in Bezug auf Sprachsynthese?

Answer 9

• Im geschriebenen Text ist nur wenig Information über Prosodie kodiert

Question 10

Was ist ein Phonem?

Answer 10

• Ein einzelner Laut

Question 11

Was sind Grapheme?

Answer 11

• Nicht jeder Laut hat einen Buchstaben
• Für den Laut ch, sch, nk, pf, ts, äu, … werden mehrere Buchstaben verwendet
• Laute, die Buchstabenkombinationen benötigen nennt man Grapheme

Question 12

Was passiert beim Synthetisator?

Answer 12

• Das Sprachsignal wird erzeugt

- Hier werden Dauer, Lautstärke und Tonhöhe des Signals bestimmt

Question 13

Was passiert bei der modernen Sprachsynthese?

Answer 13

• Bei der Textanalyse findet eine Segmentierung statt
• Segment → Phonem, Silbe, Wort, Phrase
• Segmente werden mit einer Reihe von akustischen udn phonetischen Eigenschaften wie Grundfrequenzverlauf, Dauer oder Nachbarn gespreichert

Question 14

Welche allgemeinen Ansätze bei der modernen Sprachsynthese gibt es?

Answer 14

• Konkatenative Synthese
• Formatsynthese
• Artikulartorische Synthese

Question 15

Wie funktioniert die konkatenative Synthese, welche Probleme gibt es damit und wo wird sie eingesetzt?

Answer 15

• Durch Suchalgorithmen und gewichtete Entscheidungsbäume wird eine Reihe möglichst großer Segmente bestimmt
• Probleme können bei der Aneinanderreihung der Segmente entstehen, da sie sich in Lautstärk und Grundfrequenz unterscheiden
• Wird häufig in kommerziellen Systemen verwendet

Question 16

Wie funktioniert die Formatsynthese?

Answer 16

• Beruht auf der Beobachtung, dass es zur Unterscheidung der Vokale genügt, die ersten zwei Formanten passend zu reproduzieren
• Ein Formant wird durch einen in der Mittenfrequenz und Güte steuerbaren Bandpass nachgebildet

Question 17

Welchen Ansatz gibt es zur Formatsynthese und wie funktioniert dieser?

Answer 17

• Akustisches Modell

- Das Modell bildet die Resonanzeigenschaften des Vokaltrakts durch einen Filter nach

Question 18

Wie funktioniert die artikulorische Synthese?

Answer 18

• Basiert auf einem Modell des menschlichen Vokaltrakts und den Prinzipien der Schall Generierung und Schall Ausbreitung
• Mit modernen bildgebenden Verfahren und Computergraphiken lassen sich Anatomie und Zusammenspiel der Artikulatoren visualisieren
• Hoher Rechenaufwand
• Hauptsächlich in Forschung eingesetzt
• Kein kommerzieller Einsatz

Question 19

Was ist die Speech Synthesis Markup Language

Answer 19

• Eine W3C Spezifikation
• Eine Markup Sprache, mit der man mit Kommandos Dinge wie Textnormalisierung, Betonunssteuerung, Pause, usw. angeben kann