بهبود گشتار صدای گفتار احساسی با استفاده از یک تابع انرژی کارآمد

یکی از موضوعات مهم در حوزه پردازش صوت و گفتار، تغییر احساس در گفتار است. ازجمله چالش های موردتوجه، محاسبه مقدار دقیق ویژگی های اصلی شامل انرژی، گام و دیرش است. هرچند قبلا روش های موثری ارائه شده اند، لیکن روش های موجود برای محاسبه انرژی به جهت اینکه فقط پارامتر دامنه را لحاظ می کنند، به تنهایی برای مدل سازی نوای گفتار کارایی مطلوبی ندارند. این پژوهش نشان می دهد که چگونه می توان از تابع جدیدی برای محاسبه انرژی جهت مدل سازی گشتار گفتار احساسی بهره برد. روش پیشنهادی برای محاسبه انرژی، بر اساس حساسیت سیستم شنوایی انسان در فرکانس های مختلف عمل می کند. در این روش انرژی بر اساس فاصله نقاط اکسترمم که مرتبط با دامنه و فرکانس است محاسبه می شود. جهت ارزیابی کارایی، یک سیستم گشتار گفتار احساسی با استفاده از تابع انرژی پیشنهادی بر روی پایگاه داده گفتار احساسی Persian ESD پیاده سازی و با روش های معمول محاسبه انرژی مقایسه شد. نتایج آزمایشی طبق نظرسنجی CMOS نشان می دهد که تابع پیشنهادی، کیفیت گفتار احساسی تولیدشده را در حد مطلوبی افزایش داده است.

کلیدواژه ها:

تبدیل گفتار احساسی ، بازسازی گفتار ، مدل سازی نوای گفتار ، شدت صوت ، طیف انرژی سیگنال ، نقاط اکسترمم