Лаборатория распознавания и синтеза речи - Научное направление и области исследований

Лаборатория распознавания и синтеза речи.

Лаборатория распознания и синтеза речи была основана в 1974 сначала как отдел Центрального научно-исследовательского института связи (ЦНИИС), а с 1986 как лаборатория Института технической кибернетики НАН Беларуси. Главное научное направление деятельности лаборатории - теория распознавания и синтеза речи и применение речевой связи в человеко-машинных системах.

Главные направления научных исследований лаборатории:

Высококачественный синтез речи по тексту;
Компьютерное клонирование персонального голоса и речи;
Многоязычный синтез речи;
Робастное распознавание дискретной и слитной последовательности слов;
Компьютерная телефония;
Компьютерные системы реабилитации инвалидов слуха и зрения.

Научные подходы и методология

Высококачественный многоязычный и многоголосый синтез речи по тексту базируется на использовании аллофонных элементов (всего порядка 1000 шт.) естественной речи с максимально возможной имитацией заданных мужских и женских голосов. Задача "персонилизации" синтетической речи (компьютерное клонирование) была успешно решена путем удовлетворения следующих условий:
- 1. Максимально точное моделирование акустических, фонетических и просодических индивидуальных особенностей голоса и речи диктора;
- 2. Минимально возможные искажения элементов компиляции в процессе их записи, воспроизведения и просодической модификации;
- 3. Отсутствие каких-либо дополнительных преобразований элементов речи типа PSOLA или FFT.

Базовые алгоритмы распознавания и принятия словесных решений реализуются на основе предложенного в лаборатории нового метода динамического сопоставления сигналов, модифицированного для распознавания слов слитной речи. Метод дает возможность осуществить в процессе распознавания динамическое выравнивание временных шкал эталонного описания слова и его реализации в текущей речи при неизвестных начале и конце распознаваемого слова. Главным достоинством метода является возможность определения вероятности присутствия слова в текущем речевом потоке и оценки его временного местоположение в реальных условиях наличия разного рода акустических помех.
Решения проблемы робастного распознавания речи базируется на реализации двух основных подходов:
- 1. Использование известных методов робастного оценивания статистических параметров в конкретных специфических задачах анализа, выделения признаков, обучения и распознавания речевых сигналов;
- 2. Использование методов коллективного распознавания, где окончательное решение принимается по результатам распознавания коллективом решающих правил с различным набором признаков речевого сигнала.