Synthèse de la parole de l'arabe standard

Abstract

La synthèse de la parole à partir du texte TTS (Text-To-Speech) est unecomplexe qui vise à convertir un texte écrit quelconque en parole intelligible et naturelle afin de communiquer l’information d’une machine à l’homme. Les deux méthodes classiques qui permettent de faire cette conversion sont la synthèse par règles et la synthèse par concaténation d’unités pré-stockées. Ces méthodes montrent certains inconvénients tels que : l’effort considérable pour l’établissement des règles de transitions entre les différentes représentations phonétiques dans la synthèse par règles et la difficulté dans la sélection des meilleurs segments à partir d’une large base de données ainsi que l’espace mémoire nécessaire pour le stockage de ces segments dans la synthèse par concaténation. Par conséquent, il y a toujours un besoin de rechercher des méthodes de synthèse améliorées pour accroître la qualité et le naturel de la parole générée et diminuer l’espace mémoire requis pour le bon fonctionnement des systèmes TTS. Cette thèse décrit les différentes étapes de développement d’un système de synthèse TTS pour l’Arabe Standard à base de Réseaux de Neurones (RN) et d’un modèle de Prédiction Linéaire à Excitation Résiduelle RELP (Residual Excited Linear Prediction). Ces réseaux de neurones nécessitent de larges bases de sons préalablement étiquetées prosodiquement. Vu le manque d’une telle base de données pour la langue Arabe, nous avons réalisé une comme celles disponibles pour les autres langues (la base de données TIMIT pour l’Anglais et BDSONS pour le Français, etc.). Ainsi, nous avons discuté les différentes étapes entreprises pour l’élaboration de cette base de données. Un synthétiseur des informations prosodiques à base de réseaux de neurones est également décrit dans ce travail. tâche