Evaluación del modelado acústico y prosódico del sistema de conversión texto-voz Cotovía

Abstract

La elevada calidad de los sistemas de conversión texto-voz basados en corpus los ha convertido en el método de síntesis sobre el que más se investiga en la actualidad. En la literatura existen múltiples trabajos sobre los aspectos clave de esta tecnología, es decir, el diseño de las funciones de coste, la caracterización de los segmentos de voz y la estimación de la prosodia, pero hay muy poca claridad sobre las formas más adecuadas para evaluar la calidad de la voz sintética obtenida. En este trabajo se presentan las pruebas de evaluación, tanto subjetivas como objetivas, que se realizaron sobre nuestro conversor de voz Cotovía.

Unit selection speech synthesis has become the most researched area in speech technology, as a result of its high-quality performance. There are many approaches about the key points in this technology, that is, the cost functions design, speech parameterisation and prosody estimation, but there is very little research about suitable methods for evaluating the improvements in synthetic speech. In this work the subjective and objective tests performed on our TTS system Cotovía are presented.