Évaluation segmentale du système de synthèse HTS pour le français (Segmental evaluation of HTS) [in French]

Actes de la conférence conjointe JEP-TALN-RECITAL 2012, volume 1: JEP, pages 569–576, Grenoble, 4 au 8 juin 2012. c ⃝2012 ATALA & AFCP Évaluation segmentale du système de synthèse HTS pour le français Sébastien Le Maguer Nelly Barbot Olivier Boeffard Université de Rennes 1, Irisa, Lannion, France {sebastien.le_maguer, nelly.barbot, olivier.boeffard}@irisa.fr RÉSUMÉ HTS est un système paramétrique de synthèse de la parole qui repose sur l’usage de modèles de Markov cachés (HMM). Ce système est de plus en plus diffusé dans le domaine de la synthèse de la parole. Très peu d’études ont cependant été effectuées pour analyser l’influence des paramètres de ce système sur la qualité de la voix de synthèse. L’objectif de cet article est de proposer une évaluation objective de la qualité de la synthèse réalisée par le système dans le but de vérifier l’impact des multiples descriptions sur la qualité de la synthèse. Nos travaux ne concernent que l’analyse du continuum spectral de la parole générée et s’appliquent au français. Nous proposons d’utiliser des GMM pour mesurer les dégradations par rapport à un système de synthèse de référence. Nous proposons enfin un test d’écoute de manière à calibrer notre mesure objective. Les expériences proposées montrent que l’apport des descripteurs autres que la séquence phonème précédent-courant-suivant ne semble pas significatif sur la modélisation du spectre. ABSTRACT Segmental evaluation of HTS HTS is a parametric speech synthesis system based on the use of Hidden Markov Models (HMM). HTS is now widely used but very few studies have been conducted to analyze the influence of parameters on the quality of the synthetic speech. The aim of this paper is to provide an objective evaluation of the quality of the synthetic speech produced by HTS in order to assess the influence of multiple descriptions. Our study concerns only the speech spectrum analysis and is applied to French. We propose to use GMM to measure the degradations introduced by HTS compared to reference voice. Finally, we propose a listening test in order to calibrate our objective measure. This method indicates that using other descriptors than the previous-current-next phoneme sequence does not improve significantly the modelisation of the spectrum. MOTS-CLÉS : HTS, qualité segmentale, évaluation, GMM. KEYWORDS: HTS, evaluation, segmental quality, GMM, spectral features. 1 Introduction Au cours des années 2000, le système HTS (Zen et Toda, 2005) est devenu populaire dans le domaine de la synthèse de la parole. Il s’agit d’un système paramétrique qui repose sur des modèles de Markov cachés. Le signal de parole est créé à l’aide d’un modèle acoustique dont les paramètres évoluent au cours du temps (le plus souvent sur une base centiseconde). Les modèles acoustiques les plus couramment utilisés sont des filtres MLSA (Fukada et al., 1992) 569 ou plus récemment le modèle STRAIGHT. Pour une phrase à synthétiser, l’évolution temporelle des paramètres de ces modèles acoustiques est déterminée par un HMM au niveau de la phrase dont les observations recouvrent des informations spectrales et prosodiques (f0 et durée). Le principe de HTS est d’utiliser ces …

Content truncated to 500 words