Optimización de Síntesis de Voz mediante Análisis de Componentes Principales

Abstract

Los sistemas de síntesis de voz por concatenación proporcionan una alta calidad debido a la mejora en sus métodos de selección de unidades acústicas. Sin embargo, la calidad de síntesis de voz depende de la posición adecuada de los puntos de concatenación en la secuencia de unidades acústicas a concatenar que componen una señal de voz sintetizada. La posición de los puntos de concatenación en gran medida determina el grado de distorsión percibida por el humano en una voz sintética. Por lo tanto, presentamos un algoritmo de fijación del punto óptimo de concatenación entre unidades acústicas que se basa en el análisis de componentes principales para la reducción de la distorsión acústica percibida por el oyente en un sistema de síntesis de voz. Este algoritmo propone la extracción de parámetros espectrales en referencia a un punto de concatenación y su transformación mediante el análisis de componentes principales en una representación parsimoniosa la cual representa las propiedades más relevantes de la señal de voz. Posteriormente, se determina el punto óptimo de concatenación mediante un proceso iterativo de mejora continua. Finalmente, los resultados experimentales del método de punto de concatenación optimización propuesto son analizados.