روشهای نوین تبدیل متن به گفتار

سنتز متن به گفتار (TTS) فناوری است که متن نوشتاری را به زبان گفتاری تبدیل می کند و امکان تولید گفتار با صدای طبیعی را فراهم می کند. این فرآیند شامل مراحل مختلفی از جمله تجزیه و تحلیل متن، پردازش زبانی و سنتز شکل موج است. سیستم های TTS از الگوریتم ها و مدل هایی برای تبدیل متن ورودی به سیگنال های گفتاری متناظر با تقلید، آهنگ، ریتم و عروض گفتار انسان استفاده می کنند. در طول سال ها سنتز TTS تکامل یافته است و رویکردهای مبتنی بر شبکه های عصبی را برای افزایش طبیعی بودن و بیان گفتار تولید شده ترکیب می کند. کاربردهای TTS در ابزارهای دسترس پذیری، دستیارهای صوتی، سیستم های ناوبری و سرگرمی گسترده است و راه حلی همه جانبه و تاثیرگذار برای تبدیل محتوای مکتوب به فرم شنیدنی ارائه می دهد. تحقیقات در حال انجام برای اصلاح سیستم های TTS، تلاش برای دستیابی به سطوح حتی بیشتر از واقع گرایی و سازگاری در تولید گفتار شبیه انسان ادامه دارد. در این پژوهش در بخش اول مروری بر سیستم های تبدیل متن به گفتار صورت گرفته سپس مطالعات و پژوهش ها در این حوزه مورد بررسی قرار گرفت و در پایان نیز یک جمع بندی کلی و نتیجه گیری همراه با پیشنهادات برای پژوهش های آتی انجام شد.

کلیدواژه ها:

متن به گفتار (TTS) ، سنتز گفتار ، سنتز شکل موج ، پردازش زبانی ، شبکه های عصبی