초록 ▼

컴퓨터와 통신의 급속한 발전에 의해 인간과 기계와의 정보 전달을 가장 편리하게 해줄 수 있는 음성을 정보 교환에 사용하고자 하는 요구는 오래 전부터 있었다. 법칙 합성 시스템 즉 문-음성 시스템(Text-To-Speech system)이 자연스러운 합성음을 생성시키기 위해 필요한 것은 정확한 운을 정보의 구현이다. 특히 피치는 합성음의 자연감에 큰 영향을 미치기 때문에 각국에서 자국 언어에 대한 피치 모델을 제안하여 사용하고 있다. 그러나 이들 모델들은 다양한 운율 변화를 재현하기 어렵고 실제 이들 모델을 채용하여 발생시킨 합성음질

컴퓨터와 통신의 급속한 발전에 의해 인간과 기계와의 정보 전달을 가장 편리하게 해줄 수 있는 음성을 정보 교환에 사용하고자 하는 요구는 오래 전부터 있었다. 법칙 합성 시스템 즉 문-음성 시스템(Text-To-Speech system)이 자연스러운 합성음을 생성시키기 위해 필요한 것은 정확한 운을 정보의 구현이다. 특히 피치는 합성음의 자연감에 큰 영향을 미치기 때문에 각국에서 자국 언어에 대한 피치 모델을 제안하여 사용하고 있다. 그러나 이들 모델들은 다양한 운율 변화를 재현하기 어렵고 실제 이들 모델을 채용하여 발생시킨 합성음질도 실용화하기에는 아직 미흡하므로, 자연음에 내재하는 운율 법칙을 따로 법칙화하지 않고 인공 신경망 (Artificial Neural Networks)으로 하여금 이들 법칙을 학습하도록 훈련시키고, 임의 문장을 ANN에 입력시키면 ANN은 해당 문장의 운율 정보를 출력하도록 하였다. 학습된 신경망에 문장의 음소열을 입력하면 ANN은 음성합성에 필요한 운율 정보를 내보내는 과정은 마치 사람이 발성을 할 때의 순서와 유사한 것이다. 자연음에서 운율 정보를 추출하여 ANN을 훈련시키고 평가하기 위해서 가능한 모든 운율 환경을 반영한 언어 자료를 구축하는 것이 중요하다. 운율은 분절 단위, 구문 단위, 화자 개인적인 상황에 따라 달라지므로 이 모든 조건을 포함하는 언어자료는 구축할 수 없으므로 그 범위를 제한하여 언어자료를 구축하고 특정화자로 하여금 일정 환경에서 발성하도록 하고 녹음하여 음성 데이터베이스를 만들었다. 음성 DB를 분석하여 필요한 운율정보를 추출한다. 문장 내 각 음소의 지속시간과 그에 수반하는 피치 변화, 에너지 변화를 근사하는 2차 다항식 계수와 초기치를 추출하여 ANN의 훈련 데이터로 사용하였다. ANN이 초분절 정보와 구문론적 정보 등을 학습시키기 위해 ANN의 입력은 11개의 음소 열로 구성하였다. 음소열의 중앙 음소의 운율정보를 목표치로 하여 ANN을 훈련시켰다. 각 음소와 해당 음소의 문장 내에서의 위치 정보가 ANN에 주어진다. 운율에서 중요한 경계지표인 쉼표와 마침표 등도 음소 기호로 사용하였다. 학습 결과 각 출력에 대한 학습곡선은 90% 정도의 추정율을 보였으며. 평가 단계에서는 신경망의 출력을 이용해 만든 운율정보가 해당 문장의 자연음의 운율정보와 유사한 변화를 보임을 확인하였다.
이와 같이 본 연구의 연구결과는 문장의 음소 열을 입력하면 신경망은 각 음소의 운율 정보를 출력하도록 설계하였으므로, 문-음성 시스템에서 입출력 방식만 맞추면 자연음과 유사한 운율을 발생시키는 운율 발생기를 서브시스템으로 사용할 수 있으므로 문-음성 시스템의 합성음의 자연감을 증가시킬 수 있을 것으로 기대된다. 합성음의 자연감이 향상되면 음성 합성 기술의 실용화를 필요로 하는 분야는 급격히 확산될 것이다.

Abstract ▼

There has been a need to use the human speech as the most convenient tool between the man and the machine while mmpukm and communication media are used. To generate natural synthetic speech, a Text-To-Speech(TTS) system have to implement the prosodic information exactly that can be seen in natural s

There has been a need to use the human speech as the most convenient tool between the man and the machine while mmpukm and communication media are used. To generate natural synthetic speech, a Text-To-Speech(TTS) system have to implement the prosodic information exactly that can be seen in natural speech. Especially the pitch is important to the naturalness of synthetic speech, everyone who has been studying in speech synthesis by rule are trying to model the pitch contour of their own language, and used their pitch model in their speech synthesis system But the pitch mcdel could not take account of all the prosodic environments, so the model could not generate the pitch contour as natural as the human speech. This is one of the most important obstacles that make the TTS can not be used in real applications.
In this research, we proposed a new way to achieve the natural synthetic speech without estimating any prosodic rules from natural speech We can train a artificial neural network(ANN) to learn the prosodic rules from the data that extracted from natural speech. We designed 2 ANNs to generate prosody of a phoneme, one of which generates the pitch contour and the other, the energy contour of each phoneme in a given sentence. When the learned ANN takes a sentence as an input, and outputs it's prosodic information, it's like the process with that man makes speech. It's important to build up a text corpus that include all the information about prosody of a language. On the basis of this corpus, we recorded speech that was read by a special speaker and analyzed that speech and extracted the prosodic information that were used to train ANNs and test them Prosody in a sentence varies according to the text, stress location and mood of the speaker, and it is related to the vocal tract size, sex and age of the speaker. It's almost impossible to build up a ems that includes all these variations, so we built up a corpus limited to certain conditions and recorded the spoken sentences and analyzed and extracted prosodic information that could be used to train ANNs that can accept 11 phoneme strings as an input and result outputs-about pitch and energy contour of each phoneme in a sentence.

목차 Contents

• 표지...1
• 목차...2
• 제출문...3
• 연구계획서요약문...4
• 연구내용...5
• 가. 연구결과 요약문(국.영문)...5
• 나. 서론...7
• 다. 연구방법 및 이론...8
• 1) 음성 합성 및 평가용 언어 자료 구축...8
• 2) 음성 시료 채집...15
• 3) 운율 분석...17
• 4) 운율 DB 작성...18
• 5) 인공 신결망...21
• 라. 결과 및 고찰...32
• 마. 결론...33
• 바. 인용문헌...33
• 논문발표 목록서...36
• 자체평가서...38