Perquin, Antoine
[Author]
;
Rennes, INSA
[Contributor];
Amsaleg, Laurent
[Contributor]
Toward universal speech synthesis : harnessing linguistic and stylistic embeddings for expertise-free and flexible systems ; Vers une synthèse de parole universelle : Utilisation d’embeddings linguistiques et stylistiques pour des systèmes flexibles et sans expertise
You can manage bookmarks using lists, please log in to your user account for this.
Media type:
Electronic Thesis;
Text;
E-Book
Title:
Toward universal speech synthesis : harnessing linguistic and stylistic embeddings for expertise-free and flexible systems ; Vers une synthèse de parole universelle : Utilisation d’embeddings linguistiques et stylistiques pour des systèmes flexibles et sans expertise
Footnote:
Diese Datenquelle enthält auch Bestandsnachweise, die nicht zu einem Volltext führen.
Description:
La synthèse vocale est une technologie permettant de générer un échantillon de parole correspondant à la lecture d'un texte. La majorité des systèmes commerciaux repose sur une expertise linguistique, et sont limités à générer des échantillons avec une voix unique, dans un seul style de parole. Pour que la synthèse vocale devienne universelle, elle doit être facilement personnalisable et permettre de produire de nombreux styles de parole. Cette thèse à deux buts. 1)Étudier la possibilité de diminuer l'expertise linguistique nécessaire pour construire ou modifier un système de synthèse vocale. 2) Étudier la possibilité de synthétiser de la parole pour différents locuteurs, avec leur voix et accents régionaux respectifs. Ce manuscrit propose trois contributions.Premièrement, l'utilisation de la propriété d'embedding des réseaux de neurones pour diminuer l'expertise linguistique d'un système de synthèse par sélection d'unités. Deuxièmement, l'utilisation d' embeddings de caractères pour éliminer toute expertise linguistique d'un système de synthèse bout en bout. Enfin, la modélisation explicite des caractéristiques de locuteurs et d'accents à l'aide d' embeddings pour conditionner un modèle bout en bout et ainsi construire un système de synthèse vocale multi-locuteurs multi-accents. ; Text-to-speech synthesis (TTS) turns a written text into an audio speech signal. Many commercial systems rely on human linguistic expertise, while being limited to synthesize speech for a single speaker voice and speaking style. For speech synthesis to become universal in its usage and abilities, it must be easily customizable while being able to produce widely varied speech. The goal of this thesis is two-fold. 1) To study whether it is possible alleviate the need for human linguistic expertise to build or modify a TTS system. 2) To study whether it is possible to produce speech corresponding to different speakers, with their respective tone and regionalism accent. This manuscript presents three contributions. First, we show that the ...