Capítulo 1 en formato DOC

CAPÍTULO 1
GENERALIDADES
1.1.- INTRODUCCIÓN
Los sistemas de síntesis de voz, son aquellos que convierten una entrada
escrita en palabras, a una salida pronunciada, simulando el proceso humano de
leer en voz alta. Estos sistemas son también conocidos como sistemas de texto a
voz (TTS, siglas de las palabras en inglés Text – To - Speech) [WEB 1].
Los sistemas TTS, que se han construido, tienen dos módulos
[WEB 2]
que
actúan entre sí, para realizar la síntesis de voz y que son ilustrados en la figura
1.1. El primer módulo es un convertidor de texto a segmento, es decir, recibe el
texto de entrada y lo separa en partes más pequeñas llamadas segmentos. En el
segundo módulo, llamado sintetizador de segmentos a voz, se convierten dichos
segmentos a sonidos, generando una voz artificial, que interpreta el texto de
entrada.
Figura 1.1 Sistema de texto a voz
Capítulo 1.- Preliminares
1.1.1.- TIPOS DE SEGMENTOS
Los diferentes tipos de segmentos mostrados en la tabla 1.1 han sido
tomados como base para desarrollar el módulo convertidor de texto a segmentos
de un sistema TTS [WEB 3].
Tipo de
Segmento
Palabra
Descripción
Conj. de sonidos articulados que expresan una idea
[varios autores,
1985]
Sílaba
CVC
VCV
Difonema
Pseudofonema
Demisílaba
Subfonema
* Menor unidad de impulso respiratorio [varios autores, 1985]
* Uno o más símbolos fonéticos que representan una unidad
básica de una palabra fonológica[WEB 9]
Consonante – Vocal – Consonante
Vocal – Consonante – Vocal
Sucesión transitoria de sonidos [WEB 8]
No definida por los autores [WEB 7]
No definida por los autores [WEB 7]
No definida por los autores [WEB 7]
Tabla 1.1 .- Tipos de segmentos
No se encontraron referencias donde se abordará el segmento de tipo
fonema es por eso que no se menciona en la tabla anterior, sin embargo, solo
como mención a este segmento, se puede decir que es la unidad básica de la
sílaba[WEB 9].
1.1.2.- CLASIFICACIÓN: SISTEMAS DE VOCABULARIO LIMITADO
E ILIMITADO
Existen dos tipos de sistemas TTS
[WEB 4],
de vocabulario limitado y de
vocabulario ilimitado. Su clasificación depende del tamaño del vocabulario que
utilizan. Los sistemas limitados usan los segmentos de tipo palabra o sílaba;
siendo limitados porque cuentan con un número finito o limitado de palabras o
sílabas en su vocabulario.
2
Capítulo 1.- Preliminares
Los sistemas TTS de vocabulario ilimitado se caracterizan por poder
sintetizar un número ilimitado de palabras y generalmente emplean segmentos
más pequeños que la sílaba para lograr este objetivo. Para ilustrar lo mencionado
anteriormente, véase la figura 1.2.
Figura 1.2 Clasificación de sistemas TTS
1.2.- ANTECEDENTES
Los sistemas TTS que se han desarrollado hasta el momento para el idioma
español, han tenido un avance muy pobre comparado con el idioma inglés.
En la tabla 1.2 se presentan los institutos de investigación que han
trabajado en sistemas TTS y el idioma para el que desarrollaron sus sistemas
[WEB
6].
Instituto
YORK TALK
University of Birmingham
Dec Talk
Ipox
Eurovocs
Idioma (s)
Inglés
Inglés europeo y americano
Inglés
Alemán
Japonés, Inglés, Alemán, Español y
Francés
Tabla 1.2 Desarrollos en sistemas TTS
3
Capítulo 1.- Preliminares
Obsérvese que sólo el instituto Eurovocs, ha desarrollado sistemas TTS
para el idioma español. Algunas implementaciones realizadas con los diferentes
tipos de segmentos hasta la fecha experimentados, se muestran en la tabla 1.3
[WEB 5].
Tipo de segmento
Experimentos
Palabra
Buron 1986, chapman 1971
Sílaba
Ouh-Young 1986
CVC
Hayashi y Murakami 1992
VCV
Sato 1978
Difonema
Lefevre 1986
Pseudofonema
Mikuni y Ohta 1986
Demisílaba
Lovis y Fujimora 1976
Subfonema
El-Iman 1989, Dan y Dutta 1991
Tabla 1.3 Implementaciones de sistemas TTS
1.3.- DESCRIPCIÓN DEL PROBLEMA Y JUSTIFICACIÓN
El interés original que motivo esta investigación, es el de darle la capacidad
de producir voz artificial a las computadoras, es decir, que la computadora sea
capaz de leer cualquier texto en el idioma español.
Esta capacidad proporcionaría otra forma de comunicación entre la
computadora y el hombre. Podría ser útil para ayudar a minusválidos, invidentes o
personas con problemas de comunicación.
4
Capítulo 1.- Preliminares
Otra utilidad que se le puede dar a este sistema, es en ambientes de trabajo
donde los que laboran ahí tengan su vista ocupada y al mismo tiempo tengan que
recibir información del proceso que realizan.
Analizando la estructura de las palabras en el idioma español, se observa
que cada palabra es divisible en una o más sílabas, es por eso que, en este
trabajo se eligió la sílaba como segmento, para dividir las palabras. Otra razón
para escoger este tipo de segmento, es por ser un conjunto de sonidos que
pueden ser pronunciados en una sola emisión de voz[varios autores, 1972].
Otro segmento con la misma justificación que el segmento de tipo sílaba, es
el segmento de tipo fonema, sin embargo se tiene la gran desventaja comparada
con el segmento de tipo sílaba, que al unir dos fonemas es muy importante la
coarticulación entre ellos.
El principal problema al que se enfrentan los sistemas TTS es la producción
de voz “natural”, esto es, que deben contener sonidos naturales como inflección
vocal,
ritmo,
acentuación,
coarticulación
pronunciación de las sílabas de una palabra
entre
sílabas,
[Keller, 1992],
la
velocidad
de
la no uniformidad en tono y
volumen de cada sílaba, y las pausas entre una sílaba y otra.
Como un ejemplo de todos los problemas mencionados anteriormente se
sugiere al lector que lea un texto en voz alta, en sílabas, haciendo caso omiso de
los signos ortográficos, así como de la acentuación de las sílabas, con la finalidad
de que se pueda percibir la importancia de cada uno de estos problemas.
1.4.- OBJETIVO DE LA TESIS
El objetivo de esta tesis, es desarrollar un sistema de síntesis de voz de
vocabulario limitado para el idioma español. El sistema usa un tipo de segmento
5
Capítulo 1.- Preliminares
silábico y debe ejecutarse en una computadora personal bajo el sistema operativo
MS-Windows. La computadora utilizará una tarjeta de sonido para la entrada y
salida de voz.
1.5.- DESCRIPCIÓN DE LOS CAPÍTULOS
Este capítulo presenta una breve introducción a los sistemas de síntesis de
voz, su clasificación, los antecedentes que se tienen sobre investigaciones
pasadas, así como también se plantean los problemas a los que se enfrentan
estos sistemas y finalmente se presenta la justificación de esta tesis. Este capítulo
es necesario que se lea, para comprender el capítulo 3.
Como el segmento escogido para esta tesis es la sílaba, en el capítulo 2 se
describen las reglas del idioma español para su formación, así como su estructura
y clasificación. En este capítulo se justifica el algoritmo planteado en esta tesis
para realizar la segmentación de una palabra en sílabas.
El capítulo 3 presenta la arquitectura del sistema elaborado, describiendo
cada una de las fases de este sistema, las cuales son: grabación de los archivos
de sonido, generador de voz y la interfaz de usuario.
Los resultados de la experimentación realizada con este sistema, se
detallan en el capítulo 4, así como también se describen los principales problemas
abordados en el desarrollo de este. En este capítulo se presenta una aplicación
de este sistema a un tutorial hablado.
Para finalizar los capítulos de esta tesis, se presentan las conclusiones de
este trabajo y las propuestas planteadas para trabajos futuros, de un sistema
como este, en el capítulo 5.
6
Capítulo 1.- Preliminares
En la sección de apéndices se puede encontrar información acerca de los
archivos de sonido con formato WAV usados en esta tesis, el listado de los
programas desarrollados para este sistema, junto con un manual de usuario de
cada uno de esto programas.
7