Redukce velikosti databáze řečových jednotek kompresí akustického signálu

Bc. Ladislav KAŠPAR

Diplomová práce

The reduction of acustic unit inventory size by the compression of acoustic signal

Anotace:

Diplomová práce popisuje možnosti, jakým způsobem je možné komprimovat řečové signály, které se používají v automatické syntéze řeči, konkrétně v systému ARTIC, což je systém, který převádí text na mluvené slovo. Diplomová práce navazuje na dříve zpracovanou úlohu stejného typu a tuto práci dále rozšiřuje. Snaží se tak zvětšit kom-presi řečových jednotek, zlepšit jejich kvalitu nebo také odstraňovat a zjednodušovat bloky algoritmu, které jsou určeny ke kompresi databáze řečových jednotek. V práci naleznete obecné informace o nejpoužívanějším kódování, kterým se tento typ úlohy často řeší. Jde o kompresi typu CELP (Code Excited Linear Prediction). CELP je základním pilířem zpracovaného programu. Součástí práce je také obecný popis často užívaných metod pro vektorovou kvantizaci. Zejména algoritmus známý pod zkratkou LBG, která vznikla spojením prvních písmen jejich autorů Linde, Buzo a Gray. Ke konci dokumentu naleznete také ověření jednotlivých vylepšení, kterých bylo dosaženo a také jejich praktické otestování skupinou nezávislých posluchačů.

Abstract:

This document describes the possibilities of how the compression of speech signals can be treated. Speech signals are used in text-to-speech system (TTS), being called ARTIC. Diploma thesis extends another work, which is exploring possibilities of speech compressions and also provides an implementation of coder and decoder. My work is trying to make this implementation even better in quality of reconstructed speech, in size of compressed data, and it also aims to simplify some blocks of codes in the algorithms. In the thesis you can find common information about types of compressions often used for this type of task. It is a coder based on CELP (Code Excited Linear Prediction). CELP is a basic essence of produced algorithm. In the document you can also find common techniques for vector quantizations. Mainly the vector quantization known under abbreviation LBG. This three letters represents three authors Linde, Buzo and Gray. At last you can find a resume and results of each enhancement which has been achieved by this work. Also you will find some practical tests verified by independent listeners.

Klíčová slova

Komprese řeči, CELP kodér, konkatenační syntéza, TTS

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 31. 8. 2011

Zveřejnit od: 31. 8. 2011

Obhajoba závěrečné práce

• Vedoucí: Ing. Daniel Tihelka, Ph.D.

ZÁPADOČESKÁ UNIVERZITA V PLZNI

Fakulta aplikovaných věd

Magisterský studijní program / obor:
Aplikované vědy a informatika / Kybernetika a řídicí technika