《Text-to-Speech Synthesis》 閱讀筆記 2 語音與寫作 大聲朗讀 Text-to-Speech 的關鍵挑戰

匆匆讀完第三章《The text-to-speech Problem》,下面是基本內容筆記。

語音與寫作

• 語音和寫作這二者都是一種可以解碼語言消息的信號
• 他們主要的區別是寫作主要被用來記錄消息，它比語音更貼近消息本身。
• 大多數的寫作是被用來默讀，如果它被大聲讀出來，可能會帶來困難。
• 不是所有的寫作用來解碼語言信息，他也可以解碼其他符號系統，比如數學符號。

大聲朗讀

• 很大程度來說，大聲將文字內容朗讀出來，就是一個這樣的過程：即先將書面信號解碼爲抽象的消息，然後再重新編碼爲語音信號。

• 在很多情況下，韻律信息是不需要的。但是其他更復雜的方法中，生成韻律信息將使得消息的解碼更爲準確。

• 在普通形式的框架之下，我們的TTS系統有兩個基本模塊：

  • 文本分析：一個從文本信息找到信息的解碼過程。
  • 語音合成：一個從信息創造信號的編碼過程。

Text-to-Speech 的關鍵挑戰

• 任何一個TTS系統都需要面對如下四個挑戰：

  1. 文本的符號分類。
  2. 自然語言文本的解碼
  3. 生成自然地，聽起來像人類的語音。
  4. 生成易於理解的語音。

• 還有目前，以及將來將會出現的兩大挑戰：

  1. 生成情感的增強的韻律。
  2. 將聽者的處境和需求考慮在內的說話方式。