Книга
← К списку книгЗагрузка разделов…
активнаАктивные записи участвуют в каталоге и синках. Неактивная книга скрыта, но не удалена из базы.
Книга
ДЖ. КЕЙТЕР
I котпьютЕРЫ- ШНТЕЗПТОРЫ PE4U
ELECTRONICALLY SPEAKING:COMPUTER SPEECHGENERATIONbyJohn P. CaterELECTRONICALLY SPEAKING:COMPUTER SPEECHGENERATIONbyJohn P. CaterДж. КейтерДж. Кейтер
ELECTRONICALLY SPEAKING:COMPUTER SPEECHGENERATIONby
John P. Cater
ELECTRONICALLY SPEAKING:COMPUTER SPEECHGENERATIONby
John P. Cater
Дж. Кейтер
Дж. Кейтер
В мире науки и техники
Компьютеры—синтезаторы речи
Перевод с английского
Э. Я. Пастронапод редакциейканд. техн, наук В< А, Усика
МОСКВА «МИР» 1985МОСКВА «МИР» 1985
МОСКВА «МИР» 1985
МОСКВА «МИР» 1985
Indianapolis, Howard W. Sams & Co., Inc., 1983
ББК 32.973.2[к 33 \ удк[б81・32ББК 32.973.2[к 33 \ удк[б81・32
ББК 32.973.2
[к 33 \ удк[б81・32
ББК 32.973.2
[к 33 \ удк[б81・32
ПРЕДИСЛОВИЕ РЕДАКТОРАПЕРЕВОДА
181 - 86, ч. 1181 - 86, ч. 1ББК 32.973.26Ф7.3ББК 32.973.26Ф7.3W. Sams and Со., Inc. «Мир», 1985W. Sams and Со., Inc. «Мир», 1985
181 - 86, ч. 1
181 - 86, ч. 1
ББК 32.973.2
6Ф7.3
ББК 32.973.2
6Ф7.3
W. Sams and Со., Inc. «Мир», 1985
W. Sams and Со., Inc. «Мир», 1985
Кейтер Дзк.
К33 Компьютеры — синтезаторы речи: Пер. с англ./ /Под ред. В. А. Усика.— М.: Мир, 1985.—237с., ил. (В мире пауки и техники)
Книга американского инженера Джона Кейтера рассказывает о теоретических исследованиях и практических разработках в одной из самых передовых областей современной электронной техники — технике синтеза речи, Автор приводит также конкрет- ные схемы электронных блоков, используемых и реальных синтезаторах речи.
Книга адресована широкому кругу читателей, интересующихся достижениями современной техники; особенно полезна она будет радиолюбителям.
2405000000-514 "~041 (01)-85
Редакция научно-популярнойи научно-фантастической литературы,
]E“jmig：a АнАТН I
Copyright © 1983 by Howard© перевод на русский язык,
Природа наделила человека уникальной способностью общения с себе подобными — даром речи. Тысячелетиями люди мечтали поделиться этим чудесным даром с окружающими их объектами живого и неживого мира. Однако долгое время результаты таких попыток оказывались ничтожными: за исключением попугаев, механически заучивающих десяток-другой слов и выражений, животные и предметы разговаривали с людьми только в сказках. Лишь в конце XIX в., постигнув физиологический механизм действия голосового тракта, леоди начали конструировать «говорящие» машины» но соответствующие технические возможности были тогда предельно ограничены. И даже в наш век электроники первые устройства, генерирующие искусственную речь,— синтезаторы речи — были настолько громоздки и дороги, что не могли выйти из стев лабораторий в с巾сру широкого применения.
Сейчас положение радикально изменилось. Электронная технология, вооруженная математическими моделями голосового аппарата, поднялась на уровень, который позволяет производить в массовых количествах весьма дешевые и компактные синтезаторы речи. И, возможно, недалек тот день, когда человек окажется в окружении предметов, наделенных способностью говорить. Ужо сейчас появились разнообразные говорящие устройства: компьютеры н калькуляторы, бытовые п измерительные приборы, игрушки и электроиные игры, читающие машины. “ 。
К сожалению, информация, касающаяся этой повой бурно развивающейся области техники, весьма скудна и в основном рассеяна в специальной литературе, \glio- доступпой широкому кругу читателей. В связи с этим перевод па русский язык книги американского инжене- ра Джона Кейтера «Компьютеры — синтезаторы речи»
ББК 32.973.2[кзГ\ удк\б81・32ББК 32.973.2[кзГ\ удк\б81・32
ББК 32.973.2
[кзГ\ удк\б81・32
ББК 32.973.2
[кзГ\ удк\б81・32
ПРЕДИСЛОВИЕ РЕДАКТОРАПЕРЕВОДА
W. Sams and Со., Inc. «Мир», 1985W. Sams and Со., Inc. «Мир», 1985
W. Sams and Со., Inc. «Мир», 1985
W. Sams and Со., Inc. «Мир», 1985
Кентер Дж.
КЗЗ Компьютеры —синтезаторы речи: Пер. с авгл./ /Под ред. В. А. Усика.— М.： Мир, 1985.—237с., ил. (В мире пауки и техники)
Книга американского инженера Джона Кестера рассказывает о теоретических исследованиях и практических разработках в одной из самых передовых областей современной электронной техники — технике синтеза речи. Автор приводит также копкрет- пые схемы электронных блоков, используемых в реальных синтезаторах речи.
Книга адресована широкому кругу читателей, интересующихся достижениями современной техники; особенно полезна она будет радиолюбителям.
2405000000-514ББК 32.973.2
041 (01)-85— 181 一 86, ч- 16Ф7,3
Редакция научно-популярнойи научно-фантастической литературы
Биллиоте(；а АяАТИ j
Copyright © 1983 by Howard © перевод на русский язык,
Природа наделила человека уникальной способностью общения с себе подобными ——даром речи. Тысячелетиями люди мечтали поделиться этим чудесным даром с окружающими их объектами живого и неживого мира. Одпако долгое время результаты таких попыток оказывались ничтожными: за исключением попугаев, механически заучивающих десяток-другой слов и выражений, животные и предметы разговаривали с людьми только в сказках. Лишь в конце XIX в., постигнув физиологический механизм действия голосового тракта, ню^и начали конструировать «говорящие» машины, но соответствующие технические возможности были тогда предельно ограничены. И даже в наш век электроники первые устройства, генерирующие искусственную речь,— синтезаторы речи — были настолько громоздки и дороги, что не могли выйти пз стен лабораторий в сферу широкого применения.
Сейчас положение радикально изменилось. Электронная технология, вооруженная математическими моделями голосового аппарата, поднялась на уровень, который позволяет производить в массовых количествах весьма дешевые и компактные синтезаторы речи. И, возможно, недалек тот день, когда человек окажется в окружении предметов, наделенных способностью говорить. Уже сейчас появились разнообразные говорящие устройства: компьютеры п калькуляторы, бытовые п измерительные приборы, игрушки и электронные игры, читаюище машины. “
К сожалению, информация, касающаяся этой повой бурно развивающейся области техники, весьма ск уд на и в основном рассеяна в специальной литературе, мм。- доступной широкому кругу читателей. В связи с этим перевод на русский язык кппгя американского ин/кене- ра Джона Кейтера «Компьютеры — синтезаторы речи»
представляется нам весьма своевременным. Эта книгат безусловно, будет полезна не только специалистам, занимающимся разработкой пли использованием синтезаторов речп, но и всем, кто с интересом следит за до- стп/кенпя5[п совреяонной электронной техники. Книги, несомненно, прпвлечст внимание и подготовленных Радиолюбителей, которне, пользуясь приведеинымп в ней пдеямп и конкретными схемами, смогут на дост^^пной им элементной базе приступить к захватывающим экспериментам по синтезу речи.
В нашей стране широкие возможности для использования синтезаторов речи открывает осуществляемая ныне программа по впедренпю микропроцессорной тех- ники и персональных компьютеров. Советские ученые и инженеры давно и плодотворно занимаются проблемами синтеза речи. Так, в минском отделении Центрального научно-исследовательского института связи под руководством Б. М. Лобанова созданы и внедрены в промышленное производство синтезаторы речи Фонемо- фон-К п Фонемофон-Т. Как следует из названия, эти синтезаторы речи работают по фонемному принципу (с ним читатель подробно ознакомится в книге Дж. Кейтера) и потому обладают неограниченньш словарем. В качестве периферийного устройства синтезатор Фоне- мофон-К можно подключать к любой ЭВМ. Единственное, что требуется от оператора,— это проставить правильные ударения в словах текста, отображаемого на экран дпеплея. Фонемофон-Т имеет аналогичную конструкцию, но дополнительно оснащен схемой подключения к обычной телефонной сети. Благодаря этому его можно широко использовать в телефонной службе и коммунальном хозяйстве. Так, он сам звонит телефонным абонентам и сообщает размер оплаты за лгеждуго- родные переговоры 且ли напоминает забывчивым жильцам о необходимости своевременно внести квартплату. В Институте кибернетики Академии наук Эстонской ССР разработан формантный синтезатор речи, который так;ме выпускается серийно. В настоящее время упол!Я- иутые синтезаторы переводятся на более совершенную элементную базу с использованием микропроцессоров, что позволит значительно уменьпштв их размеры и стоимость.
В заключение следует сказать несколько слов о ра- Зоте над переводом книги Д;к. Кейтера. Используемые
автором термины из области радиоэлектроники, физиологии и лингвистики в основном совпадают с отечественными. Что же касается техники синтеза речи, то здесь некоторые новые понятия, возможно, еще не на- лиш четкого определения в нашей терминологии, но их разъяснение в Словаре терминов облегчает понимание материала. Кроме того, необходимо отметить следующее: автор касается американских разработок в области синтеза речи, и естественно, что в книге имеется ряд фонетических примеров и а английском языке, которые целесообразно было сохранить, поскольку с ними неразрывно связан весь текстовой и иллюстративный материал. Список литературы, приведенный автором, включает исключительно англоязычные источники, большинство которых малодоступно советскому читателю. Мы дополнили этот список отечественными и переведенными на русский язык зарубеячнъши публикациями (см. разд. «Дополнительная литература»), которые помогут заинтересованно^ читателю глубже разобраться в затронутых в книге вопросах.
В. Усик
ВСТУПЛЕНИЕ
По мере совершенствования компьютеров, которые человек моделирует по своему образу и подооию, они «интеллектуа?!ыю» все больше приближаются к человеку. В лабораториях разных стран с головокружительной быстротой проводятся иссл ед о в а ния в таких областях, как искусственный интеллект, аудиовизуальный вывод информации, и моделирование других способов восприятия информации человеком. В этой книге мы расскажем об искусственной, или компьютерной, речи и о том, как она используется в современных больших и малых компьютерах.
Цель книги ——познакомить читателя с методами и принципами генерации искусствеЕтной речи, не упуская при этом из виду более практические, но тем не менее важные вопросы применения синтезаторов речи в современном обществе, которое с интересом и пониманием относится к развитию вычислительпой техники. В большинстве опубликованных работ по компьютерной речи рассматривается в основном техническая база компьютерных синтезаторов речи и ничего не говорится о «подводных камнях» и возможностях их обхода при конкретных применениях. Часто нужные рекомендации даются лишь после того, как система уже спроектирована, разработана и поступила в практическое пользование. Во многих случаях эти рекомендации становятся доступными для разработчиков слишком поздно, чтобы, учтя их, внести необходимые изменения в изделия,—— в результате вся идея оказывается обреченной на провал.
Сначала мы вкратце познакомимся с основами человеческой (естественной) речи; рассматривая их с точки зрения физиологии л биомеханики, а также дадим нечто вроде краткого курса лингвистики, которая, собственно, и является основным инструментом нашего иссле
дования. После этого мы займемся методами генерации искусственной речи и расска?кем о выпускаемых промышленностью изделиях, которые могут служить для построения синтезаторов речи на базе малых компью- теров.
Первая глава нашей книги слуишт введением в область компьютерного генерирования речи; она рассчитана в первую очередь на повичка, желающего получит ь хотя бы общее представление о положении дел в данной области. Знакомство с основными принципами компьютерного синтеза речи поможет читателю лучше понять современное состояние знаний в этой области и технику, используемую в новых приложениях синтезированной речи.
Во второй главе рассмотрен механизм речи человека. Эта глава касается преимущественно биологических вопросов, но понимание основных принципов механизма речи необходимо, чтобы в достаточной мере разобраться в содержании последующих глав. Поскольку синтезатор речи функционально должен моделировать человеческую речь, беглое знакомство с биомеханикой естественной речи позволит читателю осознать всю сложность искусственного воспроизведения тех же самых звуков из последовательности единиц и нулей.
Третья глава книги в каком-то смысле напоминает инструкцию по эксплуатации органов речп человека или компьютера. Описанный в предыдущей главе механизм речи останется бесполезным, если не знать ряда правил, используемых при разговоре. Изложение здесь ведется на примерах пз английского языка. К сожалению, область лингвистики (фонетика), описываемая в этой главе, сродни тому предмету, который вызывал у нас раздражение в школе. Однако она имеет непосредственное отношение к компьютеру—синтезатору речи и поэтому заслуживает внпмапия! Это один из наиболее важных аспектов компьютерной речп. Чтобы правильно передать наши знания речи компьютер^', необходимо усвоить основные положения, которые изложены здесь. Если же вы пропустите эту главу, то вряд ли созданный вамп компьютер заговорит как диктор в программе новостей. Синтезатор речи, разработанный без учета основ лпнгвпетпки, возможно, бл7дет говорить, но как Еуратнно плп утенок Дональд. Иначе говоря, эта глава знакомит с «программными средства-
мп», необходимыми для получения речи от говорящего механизма. Без усвоения данного дштериала вы, по существу, обречены на попытки программировать компьютер без программного обеспечения,
В четвертой главе мы, отклонившись от технической направленности нашей книги, постараемся дагь общее представление о некоторых довольно и а ж пых этических правилах, которые следует^ учитывать при реализации говорящего компьютера, Если вы взялись за чтение этой книги с намерением создать собственную компьютерную систему, способную ])азговаривать с людьдгп, то вам, естественно, надо помнить о необходимости соблюдения определенных правил речевого этикета, которыми, к сожалению, часто пренебрегают как люди, так и компьютеры. При желаиии вы можете от- ло/кпть чтение этой главы до той поры, когда ваш синтезатор речи перестанет быть новшеством. Но без нее не обойтись, если вы захотите заставить компьютер замолчать. Эта глава не бесполезна: в ней изложены кое-какие соображения здравого смысла, которые следует учитывать п ри к он стру и ро в апим говорящих компьютеров ——от говорящих устройств, ненользуеммх для охраны жилых домов, до «болтлиных» игровых автоматов.
В пятой главе дается краткий исторический обзор исследований в области синтезирования речи. Эта глава весьма важна, ибо, как говорит пословица, не знающий прошлого обречен повторять его ошибки. Кроме того, небезынтересно узмать всю историю этих исследований и насколько усовершепствовались за 100 лет методы обучения машин разговору.
Глава шестая вводит нас в круг технических про- бле.м современных систем ел птоза речи. Рассмотрены н детально описаны псе имоюкинчи! методы синтеза речи. Снача.1а описывается способ синтеза речи путем nj)c- образоналпя роч(чи)го сигнала в цпфрово!! ко”. Да.чее рассмлтрпваютсл м('тоды аналогового ф()|)маптиого енн- теза, лшюшюе прс'дпктнвпое кодирование (ЛИК) речи 〃ля систем с ограипчелиым и иеограилчеллым слова])л- Mii и методы частичной аптокорреляцпп. В заключение читатель 口03Ji/H；()M_)rj、Cfj с “срсиакташ刀力雜川 метода»"}, ко- торме пока еще находятся в стадии исследоваппн, но, вполне вероятию,"〃历иут ”рммс”с""е и будущем, когда зто позволит развитие тех ники.
Седьмая глава представляет собой обзор выпускаемых в продажу синтезаторов речи, которые могут применяться в качестве периферийных устройств малых компьютеров. Изделия классифицированы по используемым в них методам синтеза речи. Краткое описание прпшцша действия каждого изделия помогает выбрать то, которое лучше удовлетворяет конкретным условиям применений.
Восьмая глава знакомит с широким диапазоном применений синтезаторов речи, начиная с устройств, которые уже поступили в серийное производство, и кончая теми, которые, быть может, впервые будут реализованы в вашем будуп!,ем персональном компьютере. Приводится также некоторая информация о возможных пер- спекпивных применениях синтезаторов речи, основой пхх которых послужат нынешние исследования. И ие- завпепмо от того, на каком из синтезаторов речи вы остановпте выбор, он ыепремеппо найдет подобающее применение.
13 заключоппе приведен список литературы, который поможет читателю нучп工е разобраться в интересующих его вопросах. Следует, однако, иметь в виду, что многие из указанных в этом списке работ довольно трудны и рассчитаны па серьезное изучение.
Наконец, приводится словарь терминов, где читатель найдет разъяснение незнакомых ему терминов. Этот словарь по小ет оказаться полезным п при чтении другой технической литературы, относящейся к области компьютерного синтеза речи.
Джон Кейтер
Моей дорогой жене Лжей, которая терпеливо ждала, попа 兄 писал эту книгу
Глава 1
ОСНОВЫ КОМПЬЮТЕРНОГОСИНТЕЗА РЕЧИ
Написать введение к книге по электронному синтезу речи —задача, в какой-то мере подобная той, с которой пришлось столкнуться Христофору Колумбу, когда он приступил к описанию своего путешествия в Новый Свет в 1492 г. Углубившись в чтение этой книги, вы совершите фантастическое путешествие в глубь нашего организма и мозга ——путешествие по «земле», где по соседству уживаются научный факт и фантастика. Всего лишь несколько быстротечных лет назад на страницах научно-фантастических произведений возникли образы мощных компьютерных систем и роботов с речевым выходом. Теперь — спустя время меньшее, чем жизнь одного поколения,—— наука и техника включили этот мир в свои владения. Методы компьютерного синтеза речи не только вышли за стены лабораторий, ио и стали использоваться в сочетании с персоналы!ыми компьютерами.
Нашу книгу, рассказывающую о компьютерном синтезе речи, можно рассматривать как своего рода научное путешествие внутрь человека, ибо впервые наука предприняла попытку скопировать физиологический процесс. Чтобы заставить электронные машины говорить, ученые, занимавшиеся проблемами синтеза ре- чи, не могли просто ограничиться решением уравнений с помощью логарифмических лииеек и калькуляторов —— им пришлось разбираться в биомеханике речи человека, а затем находить электронные эквиваленты для моделирования голосового тракта. Можете ли вы вообразить себе трудности, с которыми пришлось бы столкнуться первым специалистам по компьютерам, еснп бы они попытались моделировать цифровой компьютер из серого вещества мозга? Если бы такая попытка была осуществлена п увенчалась успехом, то знакомые нам сегодня компьютеры были бы по своей сути химическими, а не электронными системами.
Разумеется, вполне возможно попытаться моделировать электронные конструкции па основе живых аналогов, однако следует учитывать, что сам механизм речи человека во много раз проще, чем механизмы процес- сов, протекающих в мозге. В порядке некоторой предварительной подготовки мы познакомимся сначала с некоторыми физиологическими сторонами процесса речи н связанными с ними мыслительными процессами — вместе они и образуют то, что мы называем речевым общением. Затем, остановившись кратко на истории исследований в области говорящих машин, мы покажем сегодняшнее состояние и перспективы техники синтеза речи. Одна глава нашей книги адресована тем, кто, не желая вникать в механизмы компьютерного синтеза речи, заинтересован лишь в обзоре современной ((говорящей продукции».
Чтобы участвовать в нашем путешествии, не требуется особой научной подготовки. Хотя читатель, возможно, и знает кое-что о компьютерах, эта книга одновременно предназначена и для новичка, совершенно незнакомого с синтезом речи, и для профессионала, работающего в этой области. Чтобы облегчить понимание, автор при изложении основных понятий пользуется простыми терминами, а затем постепенно переходит к более сложным вопросам. Завершив свою «одиссею» в область компьютерного синтеза речи, читатель далее познакомится с новыми перспективными разработками.
В чем суть вопроса?
Много тысячелетий назад, иа заре человеческого общества, когда человек только начинал произносить первые звуки, он воспринимал речевое общение как некую часть жизни. Сейчас мм каждый день используем речь для связи или передачи сообщений. К счастью, сам процесс генерации речи требует от нас минимальных умственных усилий. В противном случае нам, возможно, пришлось бы при разговоре постоянно делать паузы. II поскольку устное общение — одно пз наиболее эффективных средств, имеющихся у пас для выражения своих мыслей и чувств, мы пользуемся им весьма широко. В самом аеле, не будет преувеличением сказать, что каждый пз нас произносит ежедневно в среднем 40 тыс.
слов. Можете ли вы себе представить, как бы это выглядело в письменной форме? Запись разговоров только одного человека на протяжении всей его жизни могла бы составить целые библиотеки. Итак, совершенно ясно, что устная речь представляет собой одну из наиболее важных н полезных для нас форм общения. Напомним, однако, что в болыпинстве случаев устная связь не оставляет после себя никаких «следов», кроме эха и того, что откладывается из услышанного в нашей памяти. Напротив, письменное сообщение считается долговременным отпечатком мыслительных процессов.
С появлением в XX в. электронных вычислительных машин человек стал сознавать, что он создал устройство, способное разумно реагировать на его команды. В соответствии с даевшимпся техническими средствами
для вывода информации пз компьютера сначала использовали пштакидне лампочки; позднее перешли на печатные сообщения. Хотя максимальная скорость печати у первых компьютеров достигала 60 слов в минуту, совершенствование продолжалось. Сегодня в нашем распоряжении лазерные печатающие устройства (принтеры), производительность которых достигает 600 страниц в AiiiHj'Ty. Вообразите себе компьютер, выдающий информацию со скоростью 10 страниц в секунду! Всего за сутки работы такой компьютер может дать почти миллион страниц информации.
Параллельно с разработкой компьютеров ученые трудились над созданием электронных моделей голосового тракта, способных искусственно генерировать голос человека. Занимаясь этими проблемами, специа
листы сначала не ориентировались на компьютеры, а предполагали использование устройств, управляемых человеком. Но по жре становления пи званных параллельно развивающихся технологии они взаимно обогащали 工руг друга. Компьютер начал говорить. Первые
несколько слов, с трудом произнесенных компьютером, ознаменовали еще одно проявление эгоцентрпз^та человека. Действительно, поначалу компьютер моделировали по образу и подобию человека. С тех пор, однако, мы поняли, что способность компьютера к непосредственному взаимодействию с человеком путем речевого вывода и ввода информации весьма удобна и естественна для нас. В последние годы эта область привлекла к себе внимание электронной промышленности,
и началось ее довольно быстрое развитие, хотя пока она еще пребывает в младенаеском возрасте.
Описываемые в этой книге основные принципы, методы и технические средства, используемые для компьютерного синтеза речи, характеризуют уровень, достигнутый на 80-е годы. Однако, поскольку способности человека понимать и преодолевать трудности, по-видпмому, удваиваются каждые пять лет, весьма вероятно, что с высоты 90-х годов наши достижения покажутся устаревшими. Но ведь и ребенок, обучаясь ходить, сначала ползает и лишь потом обретает способность бегать. Сейчас по своим возможностям в области генерации искусственной речи мы пребываем в состоянии где-то между ползанием и ходьбой. Существует три основных технологически различных подхода к проблеме синтеза речи:
Метод кодпрования-восстановления формы сигналов.
Аналоговый метод синтеза формантных частот.
Цифровое моделирование голосового тракта.
Первый из этих методов представляет собой один из самых основных л элементарных подходов к созданию говорящего компьютера. По существу, компьютер в данном случае просто служит устройством для заппсп рета. Но для хранения информации в ием используется не магнитофонная лента или грампластинка, а цифровое запоминающее устройство. Фразы и слова записываются раздельно и воспроизводятся в нужный момент по командам, поступающим от соответствующей дрограм- мы. Возможность «сказать» слово, которое не было заранее введено в память, здесь отсутствует. Для реализации «говорящего» выхода в подобных системах требуется очень мало дополнительных аппаратных средств. У этого метода есть, к сожалению, очень серьезный недостаток —— для хранения речевых сигналов в их непосредственной форме нужна память значительного объема. Хотя полученная таким образом речь по качеству и может приближаться к весьма хорошей звукозаппсп, требования к общему памяти часто оказываются неприемлемыми.
Тем не менее, когда необходимый словарь не слишком велик, т. е. не превышает 10—15 слов плп фраз, данный метод вполне пригоден и весьма недорог. Действие этого метода иллюстрирует рпс. 1.1. Его приме-
Памнть компьютераПамнть компьютераПЗУПЗУМикросхема для запоминания речи (Юс^в)Микросхема для запоминания речи (Юс^в)Рис. 1.1. Синтез речи с предварительным кодированием.Рис. 1.1. Синтез речи с предварительным кодированием.
Памнть компьютера
Памнть компьютера
ПЗУ
ПЗУ
Микросхема для запоминания речи (Юс^в)
Микросхема для запоминания речи (Юс^в)
Рис. 1.1. Синтез речи с предварительным кодированием.
Рис. 1.1. Синтез речи с предварительным кодированием.
пение вполне естественно там, где нужен ограниченный и неизменный словарь, например при создаиш! говорящего приборного щитка для автомобиля. Поскольку необходимые речевые сообщения здесь полностью определяются особенностями работы автомобиля-, для их хранения достаточно памяти огратаченного объема. Таким образом, автомобильный приборный щиток ^до- полняется довольно компактным и недорогим устройством речевого вывода.
Второй метод синтеза речи — метод синтеза формантных частот. Синтезатор, построенный в соответст-
вии с этим методом, принципиально отличен от описанного выше и, как правило, имеет неестественное звучание, что объясняется особенностью источника речи. Формантный синтезатор говорит голосом робота, ибо получаемая на его выходе речь не имеет в своей основе естественной человеческой речи, как это было в предыдущем методе. Другими словами, речь, генерируемая формантным синтезатором, действительно создается в компьютере. В основу формантного синтезатора положены принципы акустического моделирования голосового тракта человека. Более детально они будут рассмотрены в дальнейшее. Для генерирования формантных частотных полос, которыми характеризуется чело
веческая речь, используются полосовые фильтры. Суммарный выходной сигнал формантных фильтров достаточно близко соответствует частотному спектру речи человека, и наш слух интерпретирует его как речевое сообщение.
Преимущество формантного метода синтеза — в его универсальности, вытекающей из присущей этому методу возможности иметь неограниченный словарь. Поскольку речь создается в этом методе из отдельно генерируемых звуков, правильно расставив звуки, можно произнести любое слово. Эта универсальность, однако, достается не бесплатно ——за нее приходится расплачиваться ухудшением разборчивости речи. Во многих случаях понять, что говорит формантный синтезатор, нелегко. Кроме того, дополнительные трудности при реализации неограниченного словаря создает множество имеющихся в английском языке исключений из правил -^ч^написания и произношения слов.
^■^ Наиболее распространенный способ возбуждения ^5 синтезатора формантных частот состоит в использова- ^^ пии многочисленных поддающихся идентификации зву- ^\> ков речи, называемых фонемами. Образуя последова- А^ телыюсть фонем, подобную той, что существует в естественной речи, фонемный синтезатор может довольно хорошо копировать нашу речь. Общая схема устройства, осуществляющего такой процесс, показана на рис. 1.2. Само собой разумеется, что при столь упрощенном представлешш формантного синтеза опускаются трудности реальной генерации речи по этом)г методу< Но основные особенности типичного формантного синтезатора на этой схеме все же отражены.
Преимущество формантного синтезатора с фонемным возбуждением с точки зрения его использования в персональном компьютере заключается в том, что любое слово, поддающееся фонетическому оппсаншо, таким синтезатором может быть произнесено. Выходной словарь синтезатора, подключенного в качестве периферийного устройства к персональному компьютеру, не зависит от набора слов, помещенных изготовителем в память. Возможно, следующее соображение поначалу покажется вам незначительным, по задумайтесь на мгновение, могли ли бы, например, пзготовптелп ввести в заранее составляемый для синтезатора словарь вашу фамилию? Вряд ли! Этот пример как раз и пллюстри-
1G1G17
1G
1G
ЕМтотст АнАТЯ
pyg-y универсальность формантного синтезатора. Такая возможность есть у всех тппов синтезаторов с фонемным возбуждением [существуют также фонемные синтезаторы с линейным предиктивным кодированием (ЛПК)]Т а роскошь неограниченного словаря никакому другому методу синтеза речи не доступна.
①ормантный метод синтеза речи точнее всего мо7KH° оппсять как цифровое мод с л иро в а ин G голосового трак-
лены простотой их реализации в виде цифровых интегральных микросхем, вытекающей отсюда меньшей себестоимостью производства и меньшей эквивалентной скоростью передачи информации. Словарь в синтезаторах этого типа, как и в первом методе синтеза речи, обычно создается с участием говорящего человека. Но в данном случае в память не записываются непосредственно слова и фразы, а производится выделение частотных и голосовых параметров речи. Такой подход позволяет значительно уменьшить объем памяти, необходимый для получения речевого вывода. В этом и заключается одно из главных достоинств данного метода
Рис. 1.2. Формантный синтез речи.
Рис. 1.3. Синтез речи с пи^фовым моделированием голосового тракта.
та человека. Наиболее распространенная реализация этого метода известна под названием линейного предиктивного кодирования (ЛПК) речи. Есть еще и другие способы реализации, весьма похожие на ЛПК,— это частичная автокорреляция (паркор) и параметрическое кодирование сигналов речи. Все эти способы насыщены математическими выкладками, поскольку в них используют математические модели голосового тракта. Голосовой же тракт человека ——довольно сло/кная акустическая система, и уравнения, с помощью которых описывается его работа, также весьма сложны.
Преимущества синтезаторов третьего типа обуслов
синтеза речи. Примером преимуществ этого метода может служить выпущенная фирмой «Тексас инструменте» обучающая детская игра «Говори и пиши по буквами. Это сравнительно недорогое устройство синтеза речи по методу ЛПК облапает словарным запасом примерно в 200 слов. Компьютер, управляющий синтезатором, размещен внутри устройства и выполнен на базе 4-раз- рядного 1\1пкропроцессора. После этой обучающей иг- рушкн в последующие годы было создано много других апалогшптых говорящих устройств малого размера. Хотя говорящие пгрутикп не были абсолютной новинкой (куклы и телефоны со встроенными в них мпнпа-
тюрными проигрывателями появились задолго до них), введение в игрушки синтезаторов зпачительпо улучшило разборчивость речи и позволило существенно повысить механическую надежность изделий.
Принцип действия устройств, основанных на цифровом моделировании речевого тракта человека, поясняется на рис. 1.3. Внешне этот метод весьма напоминает синтез рета путем кодирования формы сигнала, однако он существенно превосходит последний длительностью речевого сообпденвя при одинаковых объемах памяти. Различия в качестве речи очень малы и едва заметны для среднего слушателя. Благодаря эффективному использованию памнтк снижается стоимость устройства в расчете па одно записанное слово. Поэтому расширение спроса на говорящие устройства со все более объемным словарем будет, несомненно, способствовать распространению синтезаторов речи, основанных на цифровом моделировании голосового тракта.
Что будут говорить синтезаторы?
Диапазон применения синтезаторов речи сегодня поистине безграничен. Прежде всего наибольшую пользу речевой вывод может принести тем, кто плохо видит или полностью потерял зреипе. Таким людям говорящая машина дает возможность пользоваться новыми читающими устройствами, в которых применение кода Брайля исключается. И значение говорящего читающего устройства здесь трудно переоценить. Метод оптического распознавания знаков в сочетании с синтезаторами речи, имеющими неограниченный словарь, позволит слепым знакомиться с литературой без посторонней помощи. Пока создано лишь первое поколение таких читающих машин, но они у?ке становятся большим блатом для слепых.
Еще одно важное назначение синтезаторов речи —— помощь тем, кто по каким-либо причинам не может говорить. В прежние времена единственным способом общения для таких людей были либо разговор жестами, либо письменная форма общения. Говорящая машина с клавиатурой для генерации речи позволит им говорить искусственным голосом почти так же легко, как изображать слова жестами. Пока высокая стоимость таких машин не позволяет выпускать их серийно, но расшире-
пие производства синтезаторов речи должно, по-види- /иому, привести к снижению цен на эти устройства.
Если теперь от этих весьма нужных применений синтезаторов речи обратиться к другим, на первый взгляд меиее существенным, то и здесь мы увидим много интересного. Например, синтезатор речи можно встретить в электронном оснащении кабины пилота на современном авиалайнере; он служит здесь для предупреждения пилотов о неполадках, грозящих опасностью. Если вы обратите внимание на количество приборов, за которыми приходится следить нилоту авиалайнера, то поймете, что при таком обилии ткал летчик вполне может пропустить момент, когда зажжется маленькая лампочка, сигнализирующая, например, о возникновении пожара в двигателе. Поэтому, чтобы уменьшить информационные перегрузкк пилотов во время полета, чрезвычайные сообщения такого типа, как «пожар в двигателе», «опасная высота полета» или «нарушения в механических узлах», переданы в функции автоматпчески срабатывающему синтезатору речевых сообщений. Его механический голос Е1емедленно обращает внимание экипажа па возникшую опасность. Это один из тех синтезаторов, которые Jiyqnic вообще никогда не слышать!
Еще одно весьма полезное (но относящееся к числу неосновных) применение синтезаторов речи — это телефонные автоответчики. Поскольку телефонные линии используются главным образом для речевой связи (за исключением случаев, когда на телефонную линию включен цифровой терминал), синтезатор речи может прекрасно обеспечивать связь между человеком и компьютером, Сейчас уже существуют машины, которые сочетают в себе кнопочный телефонный аппарат и компьютерный синтезатор речит автоматически передаю- щпй биржевые курсы акций, сальдо банковского баланса и данные о кредитоспособности. В дальнейшем на смену кнопочному набору наверняка прпдут устройства, распознающие речь, и тогда, возможно, нелегко будет установить, разговариваем мы с человеком или с машиной. Вообразите весь ужас телефонного разговора с компьютером, который не только говорит, по и слушает*
Продолжая обзор областей применения синтезаторов речи, мы без труда можем назвать новые их прпложе- ния, пбо синтезатор речи позволяет дополнить п расши-
рить основные функции многих современных устройств и приборов. Но, несмотря на то что бытовые электроприборы и устройства получают определенные преимущества от приобретенной идти способности «говорить», синтезаторы речи устанавливают в них прежде всего потому, что сейчас они являются новинкой. Одно из главных достоинств говорящего бытового прибора состоит, например, в том, что словесные сообщения и инструкции могут быть в таком случае выданы без применения электронно-лучевого индикатора или печатных текстов. А как и следовало ожхщать, стоимость синтеза
торов речи значительно ниже, чем соответствующих средств визуального вывода информации.
Однако незавпсимо от того, как синтезаторы речи могут использоваться в промышленных изделиях, для вас, вероятно, самым интересным будет использование их с персональным компьютером. Если вас занимает вопрос покупки или изготовления собственными силами синтезатора речи для компьютера, то придюнение ему, несомненно, найдется. Некоторые рекомендации в этом плане приведены в специальной главе нашей книги, посвященной применениям синтезаторов речи. В числе рассмотренных там возможных применений — говоря
щие компьютерные игры, говорящие системы охраны жилья п даже электронный дверной замок, отпирающийся голосом. Если вы действительно увлечетесь намерением дополнить свой персональный компьютер синтезатором речи, то в один прекрасный момент обнаружите, что у вас почти не стало свободного времени, хотя раньше его было достаточно. Оказывается, учить персональный компьютер говорить ——одно из самых приятных и увлекательных занятий, которыми вам когда- либо приходилось заниматься. И не удивительно, что, с интересом выполняя эту работу, вы попутно узнаете
немало нового.
Первой остановкой в нашем путешествии в мпр синтеза речп будет знакомство с голосовым трактом человека. Если же вам очень хочется побыстрее прочесть об использовании электронных методов синтеза речи, то обратитесь к гл. 6. Однако не следует игнорировать п гл. 2—5, ибо они рисуют широкую картину пути, который прошла в своем развитии современна# техника синтеза речи. Для по.пного ионттания работы любой системы синтеза речп прочесть эти главы необходимо.
Глава 2
КАК МЫ ГОВОРИМ?
Скажите: Hello
Прежде чем прист^шить к рассмотрению биомеханических аспектов речи, проведем простой эксперимент. Откройте рот и скажите: hello (хэллоу). Неправда ли, зто было совсем легко? По существу, мы совсем не задумываемся над тем, как идет процесс, называемый речью.
Далее мы рассмотрим, какие процессы происходят, когда мы мысленно формулируем слово hello и передаем его (через центральную нервную систему) в виде команд различным мышцам для генерации речи. Мы узнаем также, как человек при помощи слуха постоянно контролирует свою речь, сравнивая звучание произносимого слова с речевой памятью. На первый взгляд может показаться, что для произнесения столь простого слова, как hello, не требуется сколько-нибудь заметного участия биологических п биохимических процессов организма. Еслп бы это было так, то и генерирование искусственной речи было бы достаточно простым делом. По мере заглубления в процесс генерации всего одного слова человеческой речи мы начнем понимать сложности, присущие этому процессу, который справедливо называют «даром речи». II тогда нам станут более понятны трудности, с которыми приходится сталкиваться при создании искусственной речи.
Работа центральной нервной системы
Основой для произнесенного слова hello была мысль, возникшая в мозге. В нашем случае эту мысль пробудило напечатанное слово hello. При зтом в мозг по зри- тельпому нерву пост^шилп нервные импульсы. Затем мозг, быстро осуществив поиск в нашем речевом словаре, нашел там слово hello и выдал соответствующие параметры речп. На рис. 2.1 в дттрощенном впде показана схема физиологического процесса речи с визуальным
входным звеном. Эта схема дает представление о входных и выходных каналах, через которые мозг управляет органами нашей речи. Перейдем к более подробному их рассмотрению.
Визуальные сигналы поступают из глаза в мозг по зрительному нерву. Одна из наиболее интересных особенностей этого пути состоит в том, что о и непосредственно связывает глаз с головным мозгом — минуя спинной мозг, через который в головной мозг поступают
ЗрительныйЗрительный纥7纥7ГолоднойМОЗ?ГолоднойМОЗ?Входной визуальный сигналВходной визуальный сигналВб^оЗной речедой сигналВб^оЗной речедой сигналСлухоВа^ обратнаяСлухоВа^ обратнаяСигналы центральной нербнои систЬмвСигналы центральной нербнои систЬмвРис. 2.1. Схематическое изображение процесса генерации речи.Рис. 2.1. Схематическое изображение процесса генерации речи.К мышцам，〃夕4 斤 гудам 斤 языку 斤 челюсти Н гортани. Л резким
Зрительный
Зрительный
纥7
纥7
Голодной
МОЗ?
Голодной
МОЗ?
Входной визуальный сигнал
Входной визуальный сигнал
Вб^оЗной речедой сигнал
Вб^оЗной речедой сигнал
СлухоВа^ обратная
СлухоВа^ обратная
Сигналы центральной нербнои систЬмв
Сигналы центральной нербнои систЬмв
Рис. 2.1. Схематическое изображение процесса генерации речи.
Рис. 2.1. Схематическое изображение процесса генерации речи.
другие сигналы. Тем самым не только предотвращается какая-либо путаница визуальных сигналов с сигналами от других органов тела, но и обеспечивается почти мгновенная зрительная реакция. В противном случае — из-за большого времени распространения нервных импульсов через центральную нервную систему ——время нашей реакции на визуальные сигналы намного бы возросло.
Поскольку пае интересует работа мозга и нервной системы, необходимо иметь хотя бы общее представление
о «проводниках», по которым сигналы поступают к различным периферийным устройствам нашего организма или от них. У человека роль этих «проводников» выполняют нервные волокна. Естественно спросить: можно ли рассматривать живые организмы как состоящие из «проводников»? Разумеется, процесс электрической проводимости представляет собой явление более слолшое, чем просто направленный переход электронов от одного атолта к другому. Рассматривая процесс на уровне атомов, легче понять, каким образом пучок нервных клеток, называемых нейронами, может за малые доли секунды передавать по телу электрохимические импульсы.
Крошечные нейроны (у человека их насчитывается приблизительно 15 млрд.) представляют собой микроскопические массы протоплазмы, заключенные в сравнительно неплотные оболочки, или мембраны. Ради простоты будем считать протоплазму основным компонентом живой клетки. И поскольку в нашу задачу не входит изложение основ биологии, допустим, что именно нейроны и выполняют функции проводников, по которым сигналы передаются от мозга и к нему. Процесс, посредством которого сигнал проходит через живые клетки, напоминает электрохимический процесс, происходящий в аккумуляторе. И паче говоря, если, скажем, никель и кадмий вместе с пх окислами образу* ют аккумулятор, то такая система способна удерживать электрический заряд. Подобным же образом нейроны пропускают электрические заряды от головного мозга к разяпчным нервным окончаниям.
На конце каждого пучка нервных волокон имеются клетки «ввода-вывода», называемые соответственно рецепторными и эффекторными. Зрительные и слуховые рецепторы действуют как телекамера и микрофон, осуществляя ввод визуальных и звуковых сигналов. Эти чувствительные датчики посылают свои сигналы по нейронам в головной мозг, где деятельность нервной системы продолжается в форме поисков в памяти н^'жной информации. Когда нужная информация, хранимая в клетках головного мозга, найдена, производится ее выборка для послед^чощего использования в распознавательных и двигательных центрах мозга. Эту последовательность действий нам б>-дет легче понять, если мы вспомним, что в нашем эксперименте произнесению сло-
ва hello предшествовало его прочтение. Вероятно, это было обычное приветствие, которое произносят при встрече люди. Оно, возможно, вызвало также чувство дружелюбия н благосклонности. Когда эти мысли — ионти бессознательно — появились у пас, мгновенно начался процесс выборки хранящейся в памяти информации, связанной с управлением двигательными центрами и нужной для того, чтобы сказать слово hello. Как мы увидим дальше в этой главе, для управления примерно 50 мышцами, которые участвуют в процессе произнесения этого слова (содержащего приблизительно пять основных фонетических звуков), требуется по меньшей мере 250 обращений к хранящемуся в памяти слову.
Сложность процесса еще более возрастает, если учесть, что для перехода от одного звука к другому требуется плавное изменение работы мышц лица. Наконец, последнее взаимодействие, которое нужно рассмотреть при анализе нашего эксперимента,—— это звуковая обратная связь, обеспечиваемая нашим органом слуха, т. е. ухом. Следовательно, чтобы мы могли произнести слово точно таким, как оно зафиксировано в памяти, головной моз? должен непрерывно контролировать ра- бсту наших голосовых связок и те видоизменения, которые происходят со звуками во рту и в горле.
Функции уха
Прочитав название этого параграфа, вы, возможно, за- хотите задать вопрос: «Какое отношение имеет ухо к процессу речи?» И если вы действительно сомневаетесь в том, что слух играет первостепенную роль в правильной и разборчивой речп, позвольте предложить вам еще один простой эксперимент, который, возможно, развеет ваши сомнения. Возьмите магнитофон с микрофоном и, прочитав вслух какое-нпбудь предложение из этой пли другой книги, запишите себя па магнитофон. Теперь прочтите и заппшите на магнитофон то же самое предложение, но при условии, что ваш слух будет искусственно ухудш-еп. Это можно сделать несколькими способами. Самый примитивный пз них — это просто заткнуть уши пальцами или, надев на себя стсреопа- ушник и, включить громкость, чтобы они заглуталн вашу речь. Другой способ — попросить кого-либо го
ворить близко от вашего уха в то время, когда вы делаете запись. Ни один из этих способов, конечно, не имитирует полной потери слуха, поскольку в обоих случаях сохраняется обратная связь посредством костной проводимости. Но, сравнив записи, сделанные при разных условиях слышимости, вы, безусловно, заметите небольшие различия в речи, вызванные отсутствием слуховой обратной связи, которая обычно имеет место в процессе речи.
Самый потрясающий эффект, иллюстрирующий первостепенное значение слуховой обратной связи для генерации правильной речи, достигается, если использовать линию задержки звука, или эхо-камеру, между микрофоном и наушниками. Если вам не приходилось ранее испытывать этот эффект, скажем на какой-нибудь научной выставке или при выступлении через мощную усилительную систему в большой аудитории, то вы обнаружите, что задержка обратной связи (вашей речи) вызывает еще худшие последствия, чем вообще отсутствие обратной связи. Речь, получаемую при задержке слуховой обратной связи, точнее всего характеризует ее отрывистость, которая почти граничит с заиканием.
Описанный эксперимент можно провести и без собственного участия, наблюдая за речью людей с дефекта^ ми слуха. В их речи можно заметать некоторые общие особенности. Прежде всего речь таких людей отличается более высокой (по сравнению с нормой) громкостью, иногда опа даже переходит в крик. При этом они гово* рят громче нормального не для того, чтобы вы посту* пали таким же образом, а для того, чтобы повысить уровень собственной сл5тховой обратной связи. Еще одна особенность речп людей с понпжешгым слухом состоит в том, что звуки, издаваемые с участпе^! губ и зубов (фрикативные и взрывные звуки), находятся у них в ином соотпошенпп с звонкими звуками (напрпмер. гласными), чем у людей с нормальным слухом. Этот эффект обусловлен тем, что костная проводимость лей- ствует как фильтр иижних частот, обеспечивая сл^-хо- вую обратную связь для звонких звуков, содержащих низкочастотные компоненты. Этп колебания попадают в органы слуха с большей амплитудой, чем более высокочастотные фрикативные и взрывные звуки, к которым в английском языке относятся звуки F. Р, Т、К、S, Z и СН. Если слух ослаблен равномерно в некоторой по-
лосе частот, то в речи сохранится нормальное соотношение высокочастотных и низкочастотных звуков, ио громкость ее будет несколько выше, чем обычно. При более значительной потере слуха обратная связь на высоких частотах, как уже отмечалось выше, исчезает и возникает диспропорция между звуками речи высокой и низкой частоты. К рассмотрению звуков речи и их частотных составляющих мы еще вернемся в гл. 3.
Итак, убедившись теперь, что уиш действительно играют очень важную роль в устной речи человека, познакомимся вкратце с возлюжностяаги нашего органа слуха. Наше ухо —— изумительный инструмент, выпол- нявощпй функции микрофона для головного мозга и обладающий динамическим диапазоном (т. е. диапазоном слышимых амплитуд звуков), который превосходит возможности почти любой электронной системы.
Частотный диапазон звуков, воспринимаемых ухом (при нормальном слухе) простирается приблизительно от 15 до 20 000 Гц. Правда, с возрастом этот диапазон несколько сужается за счет высокочастотной части. Если у детей младшего возраста высокочастотная гра- ница может достигать 30 000 Гц, то вследствие отвердевания с возрастом барабанной перепонки и связанных с ней частей внутреннего уха верхняя частотная граница диапазона слышимости смещается в область частот 10 000—15 000 Гц. К счастью, этот возрастной процесс не сказывается на генерации речи, так как самая высокая частотная компонента речи, участвующая в слуховой обратной связи, лежит примерно в области 6000— 8000 Гц.
Теории слуха
В разные времена выдвигались различные теории, призванные объяснить, каким образом ухо преобразует звуковые волны в сигналы, пост^шающне в кору головного мозга. Первая теория слуха была предложена Герпаноп Гельмгольцем, выдающимся ледгецким \fc- hmm XIX в.; согласно этой теории, в ухе имеется ряд резонансных нитей, которые, подобно струнам арфы, колеблются в такт с приходящими звуковыми сигналами. Это было равносильно допущению, что ухо содержит множество настроенных фильтров, каждый из которых связан со своим акустическим преобразователем и
посылает сигналы в головной мозг. Эта теория получила назвапие резонансной теории слуха.
Вторая теория, сформулированная в начале XX в., известна под названием телефонной теории. Она предполагает, что барабанная перепонка и другие части уха преобразуют звуки в электрические импульсы, подобно тому как микрофон преобразует звуковые волны в электрические сигналы. Далее предполагалось, что сигналы от барабапной перепонки передаются в головной мозг по нервам, как по проводам, связывающим микрофон с
勿44%а勿44%аСреднее 纱оСреднее 纱о^2：^^^2：^^Рис.Рис.2.2. Строение среднего н2.2. Строение среднего нвнутреннего уха человека.
勿44%а
勿44%а
Среднее 纱о
Среднее 纱о
^2：^^
^2：^^
Рис.
Рис.
2.2. Строение среднего н
2.2. Строение среднего н
усилителем. Таким образом, вся обработка сигналов, согласно этой теории, осуществляется в центральной нервной системе. Название «телефонная», естественно, объясняется тем, что в основу теории положеи принцип действия систем микрофон ——телефонный приемнпк (наушник), что в начале XX в. выглядело весьма логично и современно.
Наиболее точной следует, по-видимому, считать третью теорию. Ее называют теорией места. Это современное представление о слуховом механизме базпруется на способности уха различать частоты, как это предусматривает резонансная теория, но без настроенных резонаторов. Различение частот здесь связывается с опреде-
лосе частот, то в речи сохранится нормяльпоо соотиошб- иие высокочастотных и низкоча ст отиых звуков, но грсшкоств ее будет несколько выше, чем обычно. При более значительной потере слуха обратная связь на высоких частотах, как уже отмечалось выше, исчезает и возникает диспропорция между звуками речи высокой и низкой частоты. К рассмотрению звуков речи и их частотных составляющих мы еще вернемся в гл. 3.
Итак, убедившись теперь, тго yms действительно играют очень важную роль в устной речи человека, познакомимся вкратце с возможностями нашего органа слуха. Наше ухо —— изумительный инструмент, вьшол- няаощий функции микрофона для головного мозга и обладающий динамическим диапазоном (т. е. диапазоном слышимых амплитуд звуков), который превосходит возможности почти любой электронной системы.
Частотный диапазон звуков, воспринимаемых ухом (при нормальном слухе) простирается приблизительно от 15 до 20 000 Гц. Правда, с возрастом этот диапазон несколько сужается за счет высокочастотной части. Если у детей младшего возраста высокочастотная граница может достигать 30 000 Гц, то вследствие отвердевания с возрастом барабанной перепонки и связанных с ней частей внутреннего уха верхняя частотная граница диапазона слышимости смещается в область частот 10 000—15 000 Гц, К счастью, этот возрастной процесс не сказывается на генерации речи, так как самая высокая частотная компонента речи, участвующая в слуховой обратной связи, лежит примерно в области 6000— 8000 Гц.
Теории слуха
В разные времена выдвигались различные теории, призванные объяснить, каким образом ухо преобразует звуковые волны в сигналы, поступающие в кору головного мозга. Первая теория слуха была предложена Германом Гельмгольцелт, выдающимся ненемкп* уче- 1шм XIX в.; согласно этой теории, в ухе имеется ряд резонансных нитейт которые, подобно струнам арфы, колеблются в такт с приходящими звуковыми сигналами* Это было равносильно псшугцештю, что ухо содержит множество настроенных фильтров, каждый пз которых связан со своим акустическим преобразователем и
посылает сигналы в головной мозг. Эта теория получила название резонансной теории слуха.
Вторая теория, сформулированная в начале XX в., известна под названием телефонной теории. Она предполагает, что барабаипая перепонка и другие части уха преобразуют звуки в электрические импульсы, подобно тому как микрофон преобразует звуковые волны в электрические сигналы. Далее предполагалось, что сигналы от барабанной перепонки передаются в головной мозг по нервам, как по проводам, связывающим микрофон с
Среднее утСреднее утРис. 22 Строепие среднего и внутреннего уха человека.Рис. 22 Строепие среднего и внутреннего уха человека.усилителем. Такпм образом, вся обработка сигналов, согласно этой теории, осуществляется в центральной нервной системе. Название «телефонная», естественно, объясняется тем, что в основу теории положен принцип действия систем микрофон — телефонный приемник (наушник), что в начале XX в. выглядело весьма логично и современно*
Среднее ут
Среднее ут
Рис. 22 Строепие среднего и внутреннего уха человека.
Рис. 22 Строепие среднего и внутреннего уха человека.
Наиболее точной следует, по-впдпмому, считать третью теорию. Ее называют теорией места. Это современное представление о слуховом механизме базируется на способности уха различать частоты, как это предусматривает резонансная теория, но без настроенных резонаторов. Различение частот здесь связывается с опреде-
ленным участкодг, или местом колебаний, в полукружных каналах или улитке уха (рис. 2.2). В зависидГости От частоты сигналы, воспринятые рецепторными нервными клетками внутреннего уха, передаются затем по определенным слуховым нервам в виде параллельно- последовательных комбинаций в кору головного мозга, где и происходит их распознавание и анализ.
Согласно этой теории, можно уирсицешю считать, что восприятие высоты тона зависит от того, какие именно нервные волокна параллельно передают импульсы в головной мозг. Восприятие же громкости зависят от числа имп^-льсов, посылаемых по каждому из нас- тотнозависимых нервных волокон. Таким образом, мы слышим, воспринимая амплитуду сигналов нескольких частот одновременно; при этом информация поступает о Канадой отдельной частоте, а не об общем спектральном уровне. Иначе говоря, паша слуховая система во многом похожа на спектральный анализатор с высоким разрешением, позволяющий определять амплитуды частот в звуковом диапазоне. Это представление не только согласуется с физическим строением уха, но и объясняет способность человека различать отклонения на 3 Гц в чистых звз^ковых тонах в области частот 500—1000 Гц (т. е. пзАгенение частоты менее тем на 1 %!).
Механизм вывода речи у человека
Как возникает речь?
До сих пор мы шатались дать читателю некоторые основные сведения о том, как наш организм воспринимает и генерирует сигналы для, управления речевым выводом, или речью. После того как кора головного мозга приняла сигнал генерации рета, проа ма лизл ро в а л а его и сформулировала командные коды для речевого тракта, начинается непосредственно процесс генерации слышимой речи. Это, очевидно, самое важное звено в цепи получения речи. Правда, возможна «речь» п без участия этого звена, т. е. без произнесения слов. Например, дгы можем прочесть слово hello про себя, «сказать» и «услышать» его мысленно, не приводя б действие органы речи. При этом фактически мы приводим механизм речи в готовность, но не подаем выходных команд на многочисленные органы голосового тракта человека.
Решив же произнести слово вслух, мы отдаем большому числу наших органов команду выполнять одно- вред!енно разные действия при минимальном сознательном участии с нашей стороны. Сложность этой почти подсознательно выполняемой задачи необходимо понять, чтобы представить себе всю трудность генерации синтезируемой компьютером речи. Проследив за работой голосового тракта ——он начинается в легких и заканчивается ртом,— легче будет понять, почему были выбраны те или иные методы синтеза речи. Возможно, вы сами сможете предложить какие-либо новые методы синтеза речи.
От легких до губ
Участвующие в генерации речи органы человека обра- зуют канал с/южной формы, идущий от легких к кончикам губ. Этот канал длиной около 30 см вместе с остальными органами речи изображен схематически на рис. 2.3. Чтобы разобраться в процессе образования речи от начала до конца, надо проследовать по этой схеме от легких по трахее до гортани, пройти глотку и наконец добраться до выхода через нос или рот. Хотя вся полость имеет длину около 30 см, голос действительно начинает обретать свою форму лишь на последних примерно 15 сп. В конце концов после модификации и артикулирования в носовой полости, глотке и во рту звуки обретают форму определенного осмысленного слова. Но ес.'ш вы не проучились два первых курса в медицинском институте, вам все же нелегко будет понять из приведенной схемы, как в голосовом тракте создается речь. Однако, сопоставив эту схему с моделью речевого механизма, показанной на рис. 2.4, можно связать различные ф5гнкцип голосового тракта с соответствующими речевыми эффектами. На участке ниже рта между обеими схемами существует однозначное соответствие, так как звук здесь очень мало модифицируется. Когда же звук или воздух под воздействием легких и голосовых связок проходит через глотку в рот, аналогия становится достаточно сложной. В этом легко убедиться, если попытаться сказать ah, сохраняя неизменными открытое положение рта, челюстп, языка, губ и зубов. Попробуйте теперь заметно изменить характеристики вашего голоса, не приводя в движение упомянутые голосовые
Надгортаннин
Пищевод
Траш
Ле$ние
ДиарраёМа
НосоВа斤 полость
3g5bt Гу5б1 Язык
Мягнов нё8о
ПерстнеЙадный
Рис. 2.3. Органы, участвующие в процессе генерации речи.
Под^зычнб1а
Гортань
Го//осоЗбее сб&зки
Щитовидный 吻4
и превращении речи с голосом в простое прохождение воздуха, не сопровождающееся голосом. Такой вид речи, как и речь с голосом, так же важен для нормального разговора, как и звук, создаваемый колебаниями голосовых связок. Далее в этой главе мы познакомимся с белым шумом, возникающим при простом прохождении воздуха из легких через голосовой тракт. Но прежде попытаемся разобраться в работе голосового тракта и найти электронные аналогии каждому виду взаимодействий, ибо наша цель ——понять, как можно с помощью электронных схем синтезировать речь.
屏2%6
Трахея
WZ
巾呐侬吸
ТЬртпна (eo/iQCo8ble связки)
77
川
Высота qchq6hq2s GIQ出L
Носовая
J полость
Рос и 2op4G > \ J
7
ня
沦雷女6 4 ч
t = Мышечное!
4 усилие
111
36уно8ь® дшньглрм
Рис, 2,4. Механическая модель
голосового тракта.
«фильтры» рта. Если вы поступили честно и оставили все без движения, то единственно, что вы сможете изменить, это высоту основного тона произыосимого вами звука или его громкость (амплитуду). Внимательно выполняя этот эксперимент, заметим, что можно произвести еще одно изменение в голосовом тракте, не нарушая условий опыта. Оно достигается полным расслаблением мыгпц голосовых связок, расположенных ниже глотки, и выражается в прекращении колебаний связок
Первое, что следует сделать для генерации речи,— это выдохнуть воздух из легких, в результате чего создается воздушный поток через голосовой тракт. Такой процесс происходит всегда, когда мы дышим через рот, но никакого звука при этом не слышно, пока в работу не включаются голосовые органы. Как только мы решили, что выдох должен стать речью, мы начинаем формировать звук. Это можно сделать, либо заставив колебаться голосовые связка (гортань), либо ограничивая прохождение воздуха языком, зубами п губами. В результате иолу^аютс# звонкие, например гласные, звуки или соответственно фрпказивные типа S или 尸.
Допустим теперь, что мы хотим произнести слово пз гласных звуков. Подходящее слово, не требующее ни фрикативных, ни согласных звуков,— это восклицание 2 № 989
qw. Рассмотрим последовательно, что происходит, когда мы произносим это слово.
Легкие начинают выпускать воздух в объеме достаточном, чтобы возникли произвольные колебания голо- совых связок. Если поток воздуха из легких недостаточен для возбуждения колебаний голосовых связок, то слово произносится шепотом. Иначе говоря, голосовые связки начинают колебаться при некотором пороговом значении воздушного потока из легких. Мы подсознательно «задаем» нужное количество выдыхаемого воздуха, прежде чем начать говорить, и тем самым определяем громкость (амплитуду) речи. Если же попытаться
匆6” “с
Рис, 2.5. Форма импульса па выходе голосовой щели.
сказать слово очень тихо, то нетрудно заметить, что это можно сделать, повысив высоту основного тона голоса. Но если пытаться говорить с прежней громкостью, существенно понизив тональность, то придется значительно увеличить количество воздуха, пропускаемого через голосовые связки.
Форма волны зв^^ковых колебаний, создаваемых голосовыми связкалш, подобна той, что показана на рмс. 2.5. Именно такую форму волны мы увидели бы на экране осциллографа с достаточным усилением, если бы нам удалось поставить микрофон в горле непосредствен- н° на выходе из гортани. Спектральная характеристика того же сигнала, поданного на анализатор спектра или систему частотного анализа, показана на рис. 2.6. Для тех, кто незнаком с анализаторами спектра, поясним, что зта кривая характеризует распределение частотных составляющих импульса на выходе голосовой щели
(см. рис. 2.5) в полосе звуковых частот. Как можно видеть, максимум этого распределения смещен в область нижних частот: 200—300 Гц.
Когда в процессе речи голосовые связки натягиваются, частота основной составляющей (или составляющих) спектра повышается, что выра^кается в повышении высоты основной тональности голоса. Частота основного тона мужского голоса лежит в пределах 130—— 146 Гц п имеет среднее значение около 141 Гц. Частота основного тона женского голоса находится в областа 188—295 Гц; ее среднее значение близко к 233 Гц. В особых случаях, когда речь содержит сильные уда-
Рис. 2.6. Частотный спектр пмы^'льса на выходе голосовой щели* рения, частота основного тона на выходе голосовой щели может достигать 480 Гц.
Не следует забывать, что рассматриваемые нами частоты —это генерируемые вследствие колебаний голосовых связок основные гармонпкп. а не обертоны, возникающие пргг резонансах в горле, носовой й ротовой полостях. Другпмп слэвамп, форма волны, плп пмплтльс, показанный на рис, 2.5, повторяется с интервалом, соответствующим основным гарАгоникам.
Голосовые фильтры
Мы рассмотрелп функщш голосовой системы человека, которая создает основной звуковой тон речи посредством колебаний голосовых связок. До этого момента электронный синтез голоса сравнительно прост, так как упрощенную кривую колебаний голосовых связок можно записать в электронной памяти, а затем воспроизводить для получения основного звукового тона речп.
Наиболее сложные речевые структуры формируются в голосовом тракте выше голосовых связок. Рот, нос и губы производят фильтрацию гармоник, или обертонов, создавая частотные спектры, соответствующие известнылЕ нам звукам, которые мы называем нормальными речевыми сигналами. Электронным приборам непросто справиться с такой задачей. В самом деле, вернувшись к рис. 2.4, можно увидеть, что во рту и горле есть много подвижных, регулируемых, элементов. К тому же на этой упрощенной схеме представлены далеко не все звуковые фильтры, имеющиеся в ротовой полости.
В предыдущих параграфах этой главы мы познакомились с процессом формирования естественной речи и узнали, как головной мозг генерирует сигналы, управляющие речью. В конечном счете эти сигналы приводят в движение мышцы лица, от которых зависит звуковая фильтрация. Таким образом, для создания электрической модели голосового тракта, позволяющего получать искусственную речь, близкую к естественной, компьютер должен заправлять таким же числом фильтров. Если учесть, что на лице, во рту и горле существует около 50 мышц, движением которых можно изменять импульс на выходе гортани, то трудно даже представить, насколько сложна задача моделирования 50 фильтров с помощью компьютера. Мало кого привлекла бы попытка создать систему из 50 фильтров; еще меньше, видимо, найдется энтузиастов заняться программированием управляемого изменения таких фильтров в процессе разговора. В этолг основная трудность синтеза речи. Как же довести такой сложный механизм до достаточно простой формы, с которой можно работать?
Прежде всего посмотрим, что происходит, когда в звуковой фильтр (электронный или акустический), называемый также резонатором, вводится колебание, по форме соответствующее импульсу и а выходе голосовой щели. Реакция резонатора на этот импульс возбуждения может быть такой, как показано на рис. 2.7. Хотя импульсы возбуждения следуют с небольшой частотой повторения, порядка 100—300 Гц (верхний гра- 巾近1‘), выходном сигнал резонирующего звукового фильт- ра получается подобным «звону» колокола после удара по нему, причем частота «звоиа» в четыре-пять раз превышает частоту исходного возбуждающего сигнала. «Звон» звукового фильтра (или резонатора) служит 36
характеристикой резонирующего устройства. Вспомним, например, как дети часто дуют поперек горлышка открытой буты лкп с лимонадом, создавая при этом звук определенного тона. Если из бутылки отпить немного лимонада, то частота звука становится ниже. В этом случае изменяется длина резонансной полости в бутылке, которая и определяет резонансную частоту звукового фильтра. Примерно то же самое происходит в полости рта, когда там возбуждаются обертоны
^>〃"/^ос 犷々 &ь(а:аде еолосоЬой %е〃&「
Время
Гпс. 2.7. II роцссс В' ^збуждеппн звукового резонатора.
импульса, образовавшегося на выходе голосовой щелп. Хотя мы ограничиваем наше рассмотрение одним частотным резонатором, в голосовом тракте действует множество резонаторов-фильтров, и каждый из них характеризуется своей резонансной частотой (зависящей от формы резонато})а), которая быстро меняется в процессе речи.
Различные резонансные частоты полостей голосового тракта называют формантными частотамп. Для удовлетворительного синтеза речи обычно нужны трп- четыре формантные частоты* Они лежат в диапазоне от 200 (первая форманта мужского голоса) до 2000 Гц (третья форманта /кенского голоса). Точным расположением формантных частот в звуковом спектре и определяется звук, который мы пптерпретируем как речь. Процесс речи заметно усложняется вследствие того,
что все формантные частоты присутствуют в речи одновременно и непрерывно перемещаются вверх-вниз по частотному спектру в соответствии с особенностями произносимого слова. Позтому, слушая говорящего человека, вьт слышите звук не какой-либо одной частоты, а множество обертонов, которые образуются при фильт-
фонетичесний Рент記наВсков
симВоа ，из而ра殺2HU8
Частота.Частота.Рис. 2.8. Форманты в спектре речи.
Частота.
Частота.
рации импульсов, формируемых на выходе голосовой щели.
На рис. 2.8 приведены примеры частотных спектров речи. В каждом из спектров содержание формантных частот различно, так как произносятся разные гласные звуки. Максимумы спектров на частотах 片，力，и /з соответствуют резонансам голосового тракта, пли формантам, образующимся в процессе нормальной речи.
Теперь, исходя из спектров, показанных на рис. 2.8, посмотрим, как будет меняться со временем спектр не- коег。набора звуков, вроде i-aw-oot Результирующий
спектр будет чем-то похож на ряд кинокадров, идущих на рисунке в последовательности сверху вниз. При переходе от звука г к звуку aw форманты смещаются по частоте так, как показано на втором «кадре». А при произпесепип звука оо форманты становятся такими, как на третьем «кадре». Для визуального представления непрерывных спектров звуков речи разработаны специальный метод и устройство. На выходе такого устройства фактически получается видимая речь, которую часто называют «отпечатком голоса» пли спектрограммой. Рассмотрим, что представляет собой спектрограм-
8Q00y
应3-
4000 -l
2009 -■
1COQ -1 —
过-TRE。^过-TRE。^0@7 02 0,3 勿 25 0,6 27 08 «S 必。
过-TRE。^
过-TRE。^
Врем% с
Рис. 2.9. Спектрограмма тональных частот.
ма, поскольку нам придется встречаться с таким представлением речи в дальнейшем.
Начнем с рис. 2.9, где приведено несколько моментальных еппмков частотных спектров (они соединены ме;кду собой вертпкальпымп лпнпямп), расположенных последовательно B；gb осп времени. С увеличением ампгшт^^ы колебаппя данной конкретной частоты горизонтальная линия, соответствующая этой частоте, становится 6o;iee черной. Другпмп словами, чем больше амплитуда колебания (громкость звука) какой-либо частоты, тем текшее соответствующая ей линия в каждый момент временп. Так, в момент времени 0/1 с на анализатор спектра подается тональный сигнал частотой 1000 Гц. Затем частота сигнала скачком возрастает до 2000 Гц, сохраняя ту же самую амплитуду в продол/кеппе еще 0,2 с, после чего (в момент времени 0,4 с) снова увеличивается до 4000 Гц и начнпает ул^ень-
“АН“АН7000 -7000 -6000 -6000 -5000 -5000 -4800 -4800 -3000 -3000 -2000 -2000 -呼呼呼呼0,6 0,70,6 0,70,30,4勿 £"% С0,30,4勿 £"% С,1000 т600 -,1000 т600 -Рис. 2.10. ВидеограммаРис. 2.10. Видеограммазвука ah (какзвука ah (какввслове father).слове father).
“АН
“АН
7000 -
7000 -
6000 -
6000 -
5000 -
5000 -
4800 -
4800 -
3000 -
3000 -
2000 -
2000 -
呼
呼
呼
呼
0,6 0,7
0,6 0,7
0,30,4
勿 £"% С
0,30,4
勿 £"% С
,1000 т
600 -
,1000 т
600 -
Рис. 2.10. Видеограмма
Рис. 2.10. Видеограмма
звука ah (как
звука ah (как
в
в
слове father).
слове father).
шаться по амплитуде па протяжении оставшегося (до окончания секунды) интервала. С помощью этой довольно упрощенной спектрограммы можно следить за изменением амплитуды и частоты входного сигнала, получая двумерное представление входного сигнала в зависимости от времени. Разумеется, если мы подадим на Вход анализирующей системы две (или больше) ча- стоты т0 в процессе записи получится две или больше черШЛ линий, соответствующих частотам и амплитудам
200 -
0 I
0 0,1
звуковых сигналов. Таков механизм получения записей видимой речи, или спектрограмм, с которыми мы еще неоднократно встретимся.
Чтобы лучше представить, как выглядит типичная спектрограмма, на рис, 2.10 показана видеограмма звука all в слове father. Заметим, что каждая из темных полос —— это формантная частота, присутствующая па протяжении всего времени произнесения данного звука. Предположим далее, что мы намерены сконструировать три полосовых фильтра, управляемых напряжением, и допустим, что их характеристики должны изменяться со
временем так, чтобы они соответствовали ходу темных полос па спектрограмме. Если на входы фильтров подавать низкочастотные импульсы, подобные тем, что формируются на выходе голосовой щели, то выходнойсиг- пал такой системы фильтров будет весьма похож на речь, записанtiyio па спектрограмме.
Эта система фильтров в принципе представляет собой простой синтезатор речи, основанный на формантном синтезе, который используется во многих системах фонетического синтеза. Более подробно мы рассмотрим этот метод в главе, посвященной методам синтеза речи.
Резонансы со свистом и шипением
Последняя группа звуков, которой мы коснемся в данной главе,— это глухие звуки типа s,厶 /, р, sh, ch и 左， образующиеся при участии зубов, губ и языка. Эти звуки (о них мы будем говорить также в следующей главе), необходимые для понимания речи человека, возникают исключительно в результате резонансов при ограничении потока воздуха из легких. Если, например, мы ограничим выход воздуха из полости рта губами и зубами, то получим звук /. Если ограничить выход воздуха языком и зубами, то образуется звук th. Главное различие между этими двумя звуками — в силе резонанса, который возбуждается белым шумом, генерируемым ограниченным воздушным потоком. (Белый шум в данном случае определяется как звук с равномерным распределением спектра частот по звуковому диапазону.)
Поскольку источник шума при произнесенпп этих звуков находится у самого выхода ротовой полости, различные резонансные полости в горле и задней части рта не оказывают существенного влияния на звук, создаваемый губами или зубами. Следовательно, идея формантных частот для этих звуков (называемых фрикативными или взрывными) фактпческп не применима, так как большинство резонаторов в процессе формирования звуков не участвует. Более простой путь к пониманию сути дела — рассмотреть спектрограмму фрикативного звука s в слове seal (рис. 2.11). Этот звук, создаваемый губами п зубами, очень слабо фильтруется в ротовой полости п в горле; поэтому обнаружить резонансы па его спектрограмме очень трудно. Но имеющиеся резонансы характеризуют информационное
содержание этого звука и позволяют распознавать его В ₽ВЧ1данной главе мы познакомились, хотя и весьма кратко с механизмом генерации речи у ч(?ловека. Начав с описания голосового тракта человека, мы закончили наш рассказ упоминанием о синтезе речи с пени山＞зо~ Ба 1Шем формантных частот. Мы попытались пояснить,
- 一 - w ^ ^- 一 - w ^ ^
- 一 - w ^ ^
- 一 - w ^ ^
Рис. 2.11. Видеограмма, показывающая спектр звука s (как в слове seal).
как головной мозг управляет процессом речи ——от ^ю- мента возникновения возбуждающего сигнала в мозге до формирования звуковой речи. Внимательно прочитав эту главу, вы получите общее представление о механизме генерации речи человека. А это создает основу для понийгания проблем компьютерного синтеза речп.
До сих пор нам было но важно, какой язык формпру- ется из звуков, генерируемых голосовым трактом. Переходя к следующей главе, ыы должны оговориться, что при знакомстве с другим важным разделом пауки о речи — лингвистикой ыы будем пользоваться английским языком.
Глава 3
НЕМНОГО О ЛИНГВИСТИКЕ
Теперь подошло время познакомить читателя с основными идеями и принципами генерации искусственной речи. Однако это почти равносильно словам: «Вот вам компьютер —— напишите для него программу исчисления подоходного налога». Задача, казалось бы, поставлена вполне конкретная, но мы не определили языка, на котором должна быть написана программа. И мы потерпели бы неу口аиу, если бы приступили к составлению программы, не зная языка компьютера. Точно так же мы встретились бы с большими трудностями, если бы попытались исследовать и анализпровать различные методы синтеза речи, не познакомившись с основами языка, на котором должен «разговаривать» компьютер. И хотя представление о сложностях синтеза речи можно составить, не зная основ лингвистики, это представле- пне оказалось бы малополезным прп решении вопроса о применении синтезатора речи. Позтому мы начнем с краткого знакомства с некоторыми основными разделами лингвистики ——фонологией и фонетикой.
Прежде всего определим, что такое лингвистика. Лиигвпстпка — это наука об общих законах строения и функционирования человеческого языка. И если бы у нас была возможность изучать этот предмет четыре- пять лет, то тогда мы действительно отдали бы ему должное. Но мы лишь кратко коснемся некоторых областей лингвистики —— наиболее существенных для понимания методов синтеза речп, а остальные разделы этой науки оставим для тех, кто глубоко интересуется иссяедова- ниямп в областп языка.
Знакомясь с содержанпем этой главы, вы, безусловно, заметите, что основное внимание в ней уделяется фонетическому анализу речи. Возможно, некоторые читателп усомнятся в пеобходимести изучения фонем, так как они не интересуются фонемным синтезом речи.
Пытаясь разрешить их сомнения, приведем такой пример. Допустим, когда-нибудь в будущем вы обзаведетесь собственным синтезатором речи, умеющим говорить. Однако некоторые слова у него звучат не вполне правильно. Если вы обратитесь за помощью к специалисту в области языка и словообразования, то он, вероятно, скажет вам, что синтезатор неточно произносит некоторые фонемы. Но если вы не имеете никакого прсдстав- лбния даже о подобных терминах, то ответ специалиста будет для вас абсолютно непонятным. Прочитав эту главу, вы вряд ли станете лингвистом, ио будете в состоянии с пониманием цена говорить об особенностях речи вашего синтезатора, пользуясь при этом принятыми научными терминами. Итак, фонемы — это основные звуковые единицы речи. П оз и а к ом имс я с ними.
Скажите: еша
Каждый помнит из детства, как врач, нажимая ложечкой на язык, просил нас произнести: ааа. Смысл этого упражнения заключался в том, что оно позволяло врачу погл>7бже заглянуть в горло говорящего. Произнося этот звук, мы создавали один из основных элементов языка — фонему. Данная конкретная фонема была выбрана как универсальный тест для проверки горла потому, что при ее произнесепии мышцы, управляющие резолаторамв в горле и ротовой полости, расслабляются, давая наиболее широкий угол обзора. Дальше мы узнаем, что увелпчешге этих резонансных полостей приводит к уменьшению основных резонансных, или фор- дшнтных, частот.
Поскольку речь пойдет о фонетическом составе типичной английской речи (которую можно слышать в США), необходимо выбрать некий стандарт в качестве основы для звуков. В данной главе мы будем анализп- ровать звуки общеамерикапского диалекта.
Один из возможных способов анализа основных звуков речи и пх связи с нашим разговорным языком заключается в том, чтобы установить сходство йюжду разговорным языком, с одной стороны, и языком компьютера —с другой. (Между ними имеется довольно большое сходство, хотя, конечно, в первом случае разговор ведется с людьми, а во втором ——с компьютерами.) Возьмем для примера базовую команду, записанную
машинным кодом. Если мы сможем установить связь между таким кодом и базовым звуком речи, то в таком случае лгы сможем расположить ряд звуков, или фонем, у правильном порядке, создав таким образом слова： Точно так же можно, взяв логическую последователь- носте машинных кодов, создать компьютерные подпрограммы. Разумеется, эти подпрограммы могут составлять часть компьютерного языка более высокого уровня (в зависимости от их структуры), например, таких язы- ков, как Бейсик, Паскаль,①ортран и т. д. Подобным же образом соответствующие звуки речи, или фонемы, момно упорядочить в различные языки ——английский, немецкий, испанский и т. д. Итак, звук речи можно рассматривать как эквивалент самой элементарной команды, записанной машинным кодом; тогда слово будет соответствовать «строке» программы, записанной на компьютерной! языке более высокого уровня* Если теперь разместить структурную группу программных строк вместе так, чтобы образовалась закопченная программа, то мы гюлучпм компьютерное «предложение». Итак, между компьютерным и разговорным языками действительно существует аналогия. Понимание элементов каждого из них поможет пользователю синтезатора стать знатоком как компьютерного, так и разговорного языков.
Кроме фонем в структуре английского языка имеются п другие элементы речи, которые помогают он редел ять произносимые слова. Этп элементы —— вариатцш произносимых фонем (их число составляет около 40); они называются аллофонами. Если про- аиалпзировг^ть одну “ ту же фонему, встречающуюся в 30 различных словах, то вполне может оказаться, что имеется 30 различных вариантов произнесения данной конкретной фонемы. Каждый пз этих вариантов —— аллофон. Поэтому число аллофонов значительно превышает число основных фонед} (40), соответствующих принятому стандарту произношения каждого звука. Вариации аллофонов зависят не только от конкретных фонем и произносимого слова, по п от положения фонемы в дашюм слове.
Еще одним элементом порма.7ыто артикулируемой речи является дифтонг. Хотя дифтонг нельзя представлять определяемым символом, он характеризует звук, который получается при («переключении» гогюсового
тракта от произнесения одной фонемы к произнесению другой. Типичным примером может служить последовательное произнесение двух фонем гласных звуков, таких, как (а:] и [i：L Таким образом, дифтонг харан叱 ризуется нзмененнем звучания при псроходе от одной фонемы к другой и, с л ед о в а тел ьн о, может находиться в произносимом слове лишь между двумя фонемами.
Если дифтонг образуется сочетанием двух аллофонных фонем, то, естественно, он звучит по-разному. Итак, в разговорном английском языке имеется множество разных звуков, которые и обеспечивают нормальное звучанпе человеческой речи. При огшсашш произношения какого-либо слова необходимо учитывать не только все звуки, но и соответствующие дифтонги и аллофоны.
Такое обилие фонетических и аллофонических звуков может охладить пыл энтузиастов, которые предпри- нимают попытки синтезировать речь при помощи компьютера. Однако они не должны отчаиваться: в конце туннеля все же виден свет. Даже используя ограниченную группу комбинаций фонем, аллофонов и дифтонгов, можно «сконструировать» вполне распознаваемую речь. Хотя синтезированные звуки могут несколько отличаться от звуков естественной речи, смысловое различие их незначительно. Обычно компьютерная речь наповшнаот «речь с иностранным акцептом», но большинство людей легко понимают ее.
Гласные звуки
большинство гласных звуков в общеалюрика/гскол дпг1- пекте произносятся при относительно фиксированном положении мышц рта и голосового тракта, причелг многие звуки произносятся с открытым ртом. При произнесении этих звуков носовая полость играет очень малую роль или вообще не играет никакой.
По существу, в общеамерпканском дпапекте английского языка насчитывается 12 гласных звуков (рис. 3.1).
Чтобы проиллюстрировать положения языка отпо- си гэльно губ л зуоов при произнесенш! каждого из з丁их звуков, на рисунке показаны (приблпженно) про- фильные разрезы артикуляционного аппарата речи.
Отметим, в частности, что, когда язык образует горбик в задней части открытого рта, получающийся звук близок к звуку [а:], как в слове father. Проведем простой эксперимент. Откройте рот и скажите а-а-а [а:]; затем, удерживая челюсть рукой в неизменном положении и оставляя без изменения все артикуляционные органы рта, кроме языка, медленно перемещайте язык в переднюю часть рта так, чтобы он коснулся нижних зубов. Заметьте, что пропзносвмый вами звук изме
нился теперь на |i:], как в слове eve. Прп произнесении большинства гласных звуков положение и форма языка отличаются, тогда как положение элементов голосового тракта в основном остается фиксированным. Если, продолжив наш эксперимент, сложить теперь губи так, как при насвистыванпп, то нетрудно заметить, что звук I&:J переходит в звук [и:], как в слове foot. Если вам захочется продолжить эксперимент с артикуляцией гласных, то, руководству用св рис. 3.1 для выбора положения языка и губ, проследите, насколько произнесе- ыпе фонем гласных сходно с тех, что изображено на рисунке.
Другие звуки: согласные
Остальные произносимые звуки английского языка — эт0 согласные. Если при произнесении описанных в предыдущем параграфе гласных звуков положение артикуляционных элементов рта остается в основном ие- измеиньш, то произнесение согласных требует большей подвижности этих элементов. Есть, правда, несколько согласных, для произнесения которых не требуется движения элементов голосового тракта,— это фрикативные звуки; они весьма близки к гласным, но обычно гораздо сложнее по своему частотному спектру, так как в их формировании участвует значительно больше фильтрующих элел1ептов голосового тракта.
В английской разговорной речи можно выделить пять типов согласных звуков: 1) взрывные; 2) фрикативные; 3) носовые; 4) промежуточные и 5) полугласные звуки.
Произнесение звуков первого типа —— взрывных —— сопровождается довольно активным дви/кеиием элементов голосового тракта в сочетании с полной паузой в речи при произнесепип фонемы. Хотя пауза может длиться всего лишь малую долю секунды, без нее речь отличается от нормальной.
В английском языке имеется шесть основных взрывных согласных. Три из них——звонкие п произносятся с к о леблющпмися голосовыми связками. Три ——глухие, и при их формировании голосовые связки не работают. Звонкие взрывные согласные: Ь, как в слове butter] d. как в слове dog; g, как в слове green.
Произнося слова, содержащие такие звопкие взрывные согласные, очень медленно, нетрудно заметить, что в речи возникает весьма короткая пауза, за которой следует характерное для взрывного звука резкое вы- свобо/кдеиие воздуха из легких. Произнесение трех глухих взрывных звуков имеет ту же самую особенность, но колебаний голосовых связок при этом не происхо- Дит• Глухие взрывные согласные: р, как в слове paper; 匕 как в слове tomato; к, как в слове kick.
По звукообразованию последняя группа похожа и а фрикативные звуки, которые мы сейчас и рассмотрим.
Наиболее характерная черта фрикативных фонем — отсутствие специфических формантных частот. Причину зтого легко понять, взглянув на девять звуков, ко
торые считаются фрикативными. Как и взрывные звуки, они также делятся на звонкие и глухие. При произнесении звонких фрикативных звуков (их четыре) голосовые связки должны колебаться, генерируя резонансное шипение (свист): и, как в слове valve] th, как в слове there] z, как в слове zebra; zh, как в слове azure.
Остальные пять фрикативных (глухих) согласных звуков также содержат резонансное шипение, но при их произнесении голосовые связки не колеблются: /, как в слове fanfare]力九，как в слове think; s, как в слове sound\ sh, как в слове sugar',无,как в слове help.
Каждая из приведенных фрикативных фоием содержит в себе резонансное шипение, что существенно для получения некоторых наиболее высокочастотных звуков речи. Поскольку эти фонемы «статические», голосовой тракт при их произнесении остается неизменным.
Согласные третьего типа называют носовым и фонемами, пбо при их произнесении звук нзлучаетсн в основном через нос. Если у вас простуда и заложило нос, то эти звуки, как вы знаете, трудно произнести правильно. В самом деле, если, зажав нос пальцами, попытаться произнести эти звуки, то легко убедиться, насколько сильно они завпеят от фильтрации в носовой полости. Итак, сделайте глубокий вдох, зажмите нос и попытайтесь пропзпестп носовые согласные звуки: т, как в слове mike] п, как в слове noon; 〃g, как в слове ring.
Теперь вы, надеюсь, понимаете, почему у этих звуков такое название, А то, что вы произнесли с зажатым носом, больше похоже на слова bike, dude и reek. Иначе говоря, носовая фильтрация п ее связь с речевым выходом абсолютно необходимы для произнесения носовых фонем.
Фонемы согласных двух последних типов — пр оме- жуточных н полугласных —— образуют очень малую груп- пу в общем числе звуков английского языка. Эти фонемы очень схожи с гласными звуками и произносятся с участием голоса и при очень малой назализации. Про- ме?куточньге звуки, как люжно представить себе по их названию,——это динамические звуки, для произнесения которых требуется участие артикуляционных элементов рта: д, как в слове уоуо； е〃, как в слове wifi ter.
Полугласные звуки, похожие по своей природе на
гласные, относятся к фрикативным звукам, и их произношение долгое. Полугласных звуков всего два; им сопоставляются следующие фонемы: г, как в слове rim; Z, как в слове list,
дтим завершается перечень основных фонем разговорного английского языка, необходимых для получе^ ния распознаваемой речи. У этих фонем существуют, конечно, вариации, которые называют дифтонгамич если оии образуются при последовательном произнесении двух гласных фонем. При последовательном произнесении двух согласных звуков аналогичным образом получаются аффрикшпы.
Вперед и выше
До сих пор мы занимались наименьшими звуковыми элементами английского разговорного языка ——фонемами. Очевидно, однако, что из-за физических различий и эмоциональной окраски, которую придает речи говорящий, речь нельзя описать полностью одними лишь фонемами. Звучание ка?кдой фонемы существенно зависит также от окружающих ее фонем. Когда мы начинаем группировать фонемы, создавая осмысленные фразы, мы произносим слова. Лингвистпчески состав слова можно анализировать в морфемах, морфах и алломорфах. Определение этих единиц речи довольно сложно; оно зависит не только от звуков, из которых состоит слово, но и от смыслового значения слова. Поскольку изучение смысловых значений слова и соответствующих разделов грамматики не входит в круг наших интересов, связанных с созданием синтезированной речи, мы просто примем к сведению, что эти элементы присутствуют в произносимых словах. Читатель, желающий глубже познакомиться с этими вопросами, может обратиться к списку литературы, приведенному в конце книги.
После того как фонемы выстроены в ряд, образуй более длинные и имеющие смысл последовательности звуков (называемые словами) можно выявить некоторые количественные характеристики этих последовательностей. Хотя, как уже отмечалось выше, правпльпое произнесение каждой фонемы в большой степени зависит от ее положения в слове, некоторые звуковые особенности 巾онем остаются неизмештыАш, если рассматривать речь среднего человека. Эти особенности можно
использовать при проектировании компьютерной речи и ее сравнении с «идеальной» человеческой речью.
Возьмем, к примеру, частоту употребления наиболее распростраиеииых слов в разговорном английском языке* Имея перечень таких слов, необходимо позаботиться, чтобы синтезатор речи по крайней мере эти слова произносил точно, ибо овп встречаются чаще других. Та- ко注 список, составленный много лет назад Годфри Дьюи нз Гарвардского университета, приведен в табл. 3.1. Слова ])асположеяы здесь в порядке уменьшения частоты их появления, так что слова, употребляемые чаще всего, находятся вверху списка. При этом для каждого слова указана (в процентах) относительная частота его употребления. Например, из этой таблицы видно, что слово the встречается чуть чаще 7 раз на каждые 100 слов. Следующее наиболее употребимое слово of встречается почти 4 раза на 100 слов и т. д. Приведенная таблица может найти разнообразнее применения. Так, следует заставить синтезатор речи «поупражняться» в произнесении приведенных здесь слов, чтобы у6е・ диться, что онп произносятся правильно. Данная таблица незаменима также при составлении минимального словаря для спстеиы синтеза речи (если предусматривается хранение такого словаря в памяти системы).
Двигаясь дальше, мы можем также выявить звуки, наиболее часто встречающиеся в нашей речи (табл. 3.2). Эта таблица найдет себе прпменение нс только при работе с системами фонетического синтеза, но и в тех случаях, когда требуется обеспечить правильное произношение звуков в любых системах синтеза речи. Каждый звук (фонема) в этой таблице дается с указанпем относительной частоты его употребления; приводится также слово, характерное для произношения данного звука. Эта таблица дает нам информацию о наиболее употре- бимых фонемах. Руководствуясь ею, мм noasex решить, какие звуки или фонемы следует опустпть в упрощенной системе синтеза речи. Иными слова мп, если наша цель ——создать элементарную фонетическую систему синтеза речп, то, вероятно, можно опустпть такие звуки, как z/? (〃z〃,e) п дифтонг oi (boil), поскольку частота их употребления очень мала. Такие же 巾онезгы, как i (tip), используемые наиболее часто, необходимо включить. Прп создании п анализе работы синтезатора речи полезна также информация об относительной фонетпче-
Таблица J.l.Cn^ наиболее часто встречающиеся О английской речи
Таблица 3
.2. Частота появления звуков речи
Час-
Час- тота
№ и/п
Час
тота
II/П
Звук
Как в слове
Частота появления, %
п/п
Слово
то та
ПОЯП-* лепил,
п/п
Сло во
1ЮЯВ- леншт. %
Слово
ЛСЯИЯг %
1
i
tip
7,94
%
2
3
4
5
6
п
t
г uh
S
navy tot
rare tun sis
7,24
1
2
the of
7,31
3,99
36
37
ОНО
our
0,36
0,33
71
72
into men
0,16
0,16
7,13 6,88 5,02 4 55
3
and
3,28
38
an
0,33
73
must
0,46
7
d
dad
4,31
4,17
3,89
4
to
2,92
39
been
0,32
74
people
0,16
8
ае
tap
5
a
2/12
40
no
0,32
75
said
0,16
9
ее
feet
6
in
2,11
41
their
0,31
76
may
0,16
10
i
lilly
3,74
7
that
lt34
42
there
0,30
77
man
0」5
11
eh
ten
3,44
3,43
8
it
1,21
43
were
0,30
78
about
0,15
12
th
then
9
is
1,21
44
so
0,30
79
over
0,15
13
ah
top
3,33
10
I
1,15
45
my
0,29
80
some
0,15
14
z
zebra
2,97
И
for
1,03
46
if
0,26
81
these
0,15
15
m
mama
2,78
12
be
0,84
47
me
0,25
82
two
0,14
16
k
kick
2,71
13
was
0,83
48
what
0,25
83
very
0,14
17
a
tape
2,35
14
as
0,78
49
would
0,25
8,4
before
0,13
18
V
vivacious
2,28
15
you
0,77
50
who
0,24
85
great
0,13
49
w
wine
2,08
16
wi th
0,72
51
when
0,23
86
could
0,13
20
P
paper
2,04
17
he
0,68
52
him
0,23
87
such
0/3
21
f
flulfy
1,84
18
on
0,64
53
them
0,22
88
first
0,13
22
h
hat
1.81
19
have
0,61
54
her
0,22
89
upon
0,42
23
b
bob
1,81
20
by
0,60
55
am
0,21
90
every
0,12
24
oh
tone
1,63
21
not
0,58
56
your
0,21
91
how
0,12
25
oo
tool
1.G0
22
at
0,58
57
any
0,21
92
come
0,12
26
i
bike
1,59
23
this
0,57
58
more
0,21
93
us
0,12
27
aw
talk
1,26
24
are
0,54
59
now
0,21
94
sliall
0,12
28
ng
sing
0,96
25
we
0,52
60
its
0,20
95
should
0,11
29
sh
sugar
0.82
26
his
0,51
61
time
0,20
96
then
0,11
30
g
go
0.74
27
but
0,50
62
up
0,20
97
like
0,11
31
u
took
0.69
28
they
0,47
63
do
0,20
98
will
0,11
32
У
yoyo
0,60
29
all
0/6
64
out
0,20
99
little
0,11
33
on
our
0,59
(дпфтопг)
30
or
0,45
65
can
0,19
100
say
0,141
34
ch
chalk
0,32
31
which
0,45
66
Ihan
0,19
35
judge
0,44
32
will
0,44
67
only
0,18
36
th
thick
0,3"
33
from
0,43
68
she
0J8
37
ew
few
0,31
(дифтонг)
34
had
0,41
69
made
0,17
38
oi
boil
0,09
(дифтонг)
35
has
0,39
70
other
0,16
39
zh
azure
0,05
Таблица 3.3.
Относительная мощность
звуков
речи
№ п/п
Звук
Как в слове
Относитесь- ная мощность
п/п
Звук
Как в слове
Otho- си- тель-. ная мощность
/
aw
talk
680
17
ch
church
42
2
ah
top
600
18
п
Nancy
36
3
uh
ton
510
19
j
judge
23
4
ае
tap
490
20
zh
azure
20
5
oh
tone
470
24
z
zoo
16
6
7
u
a
took tape
460
370
22
23
s
t
sis
tot-
16
15
8
ah
ten
350
24
g
go
15
9
tool
310
25
k
cook
13
10
i
tip
260
26
V
vote
12
И
ее
peek
220
27
th
that
11
12
г
rare
210
28
b
bob
7
13
I
lilly
100
29
d
dad
7
14
sh
sugar
80
30
P
paper
6
15
ng
sing
73
31
f
fluffy
5
16
m
mama
52
32
th
thick
1
ской мощности (или громкости), которая характеризует каждую фонему, произнесенную (средним) человеком.
Из табл. 3.3 мы получаем представление об относительной мощностп наиболее широко используемых фонем. Эта информация помогает нам приблизить речь компьютерного синтезатора к человеческой. В табл. 3.3 каждая фонема приводится с характерным словом и с указанием относительной громкости (по отношению к другим фонемад! в таблице). У самой мощной фонемы aw (talk) громкость в 680 раз больше, чем у фонемы th {think). Если эту разность уровней выразить в децибелах (дБ), то она составит 28 дБ. Задгетил!, что по громкости первыми стоят гласные звуки, за ними идут промежуточные 口 носовые. Остальную часть таблицы занимают фонемы фрикативных согласных, которые произносятся более мягко. Конечно, значения громкости, приведенные в табл. 3.3, не учитывают слоговых ударений, которые могут увеличивать или уменьшать соотношения громкостей некоторых фонем. Приведенные
здесь громкости соответствуют некоторой усредненной группе фонем, произносимых при спокойном разговоре.
Этп три таблицы могут оказаться полезными при проведении испытаний и проверке систем синтеза речи. Разумеется, конечные результаты испытаний подобных устройств зависят от субъективной оценки слушателя. Ибо независимо от того, насколько искусственная речь с технической точки зрения соответствует естественной речи человека, оценку качества компьютерной речи дает все же человек. Наши же таблицы могут помочь приблизить параметры систем синтеза речи к количественным характеристикам обычного человеческого разговора. Если нужно оцепить лингвистические способности системы синтеза речи, то следует подготовить серию контрольных слов, позволяющих проверить звучание фонем, используемых в речи. Чтобы лучше проверить качество речи синтезатора, можно пригласить какого-нибудь «свежего» человека, который ранее не слышал, как говорит спстема. Пусть тогда компьютер произнесет несколько слов из своего словаря, а вы оцепите процент понимания сл5гшателем каждого слова. Если беспристрастный слутатезь неправильно воспринимает отдельные слова п группы слов, это, безус ловно, говорит о недостаточном качестве воспроизведения синтезатором определенной фонемы плп группы фонем. Следующий параграф пo^гoжeт вам оценить имеющуюся в вашелг распоряженпи систему синтеза речи, если у вас только есть ?к ел ан не заниматься такой проверкой и имеется возможность программирования всего речевого словаря синтезатора.
Итак, предположим, что вам удалось создать устрой ство, которое говорит. Если вы намерены быть единственным снушатетем своего детища, то. возможно, вполне удовлетворитесь имеющимися у него разговорными способностями. Но если вы хотите, чтобы речь вашей системы понимали и «нелодготовленпые» слушатели, то вам придется позаботиться, чтобы спнтезатор miec правильное, общепринятое произношение. Ниже предлагается список слов, который можпо попользовать для развития артикуляции синтезатора. Этп слова можно запрограммировать в память, чтобы спнтезатор мог произносить пх последовательно или в сл^аином порядке, давая возможность проверять правильность его произношения. Если неподготовленный слушатель см°-
жет правильно опознать каждое из перечисленных слов, т0 это будет означать, что система имеет очень хорошее (точное) произношение. Неправильное понимание слушателем слов свидетельствует о наличии слабых мест в конкретной фонетической области и о необходимости внести изменения в программу или отрегулировать уровень громкости при генерации данного конкретного звука. Для каждой фонемы подобрана группа контрольных слов. Проверьте, сможете ли вы идентифицировать па слух каждую фонему, использованную в при веденных группах слов.
Saw, Horse, Horn, Ball, Talk
Yard. Clock, Top, Block, Star, Arm
Gloves. Rug, Truck, Tub, Button, Ton
Tap, Hat, Can, Black, Grass, Basket
Tone, Boat, Coat, Snow, Stove, Comb
Book, Cook. Foot, Look, Took
Tape, Cake, Grapes, Table, Lady, Tail
Ten, Bed, Dress, Red, Steps, Feather, Sled
Tool, Blue, Moon, Tootli, Shoe
Tip, Chicken, Fish, Pillow, Pig
Peek, Cheese, Meet, Sleep, Trees, Green, Feet
Radio, Rake, Barrel, Car, Tire, Rabbit, Red
Ladder, Lease, Leg, Letter, Ball, Bottle, Look
Sheep, Shelf, Dish, Fish, Brush, Push, Shoulder, Shake 15. Finger, Sing, Swinging, Ring, Tongue, Blanket
Move, Music, Memory, Most, More, Meek, Mimic, Movie 17. Chair, Cheese, Chicken, Watch, Catch, Matches, Teacher, Speach, Church
Nasal, Know, Knife, Candle, Woman, Nancy, Spoon, Man 19. Juice, Engine, Orange, Soldier, Bridge, Joke, Jump 20. Glacier, Azure, Measure, Television
Music, Zoo, Roses, Ears, Nose, Zebra, Scissors
Seven, See, Saw, Sleep, Spoon, Basket, Glasses, Face 23. Table, Tire, Butter, Tot, Letter, White
Gloves, Grass, Gun, Golf, Digging, Wagon, Rug, Flag 25. Crack, Pocket, Black, Clock, Cook, Fake
Vase, Violet, Vivacious, Cover, Drive, River, Stove
Thimble, Three, Thin, Thick, Alou th, Teeth
Bed, Boat, Rabbit, Ribbon, Umbrella, Table, Bob
Dog, Drink, Indian, Radio, Dud, Bed, Wood
Paper, Pencil, Airplane, Apple, Pop, Cap, Rope, Sleep
Feather, Finger, Fig Flufl'i, Elephant, Laugh, Roof, Knife
These, Those, Brother, Then, Father, Feather, Loathe
Каждая из 32 основных фонем, представленных в списке, необходима для адекватного понимания речи, генерируемой сиптезатором. Если у синтезатора обнаруживаются какие-либо дефекты в произношении одной или нескольких групп слов, то недостаток его
речи можно характеризовать конкретными фонемами, содержащимися в неправильно произнесенных или неверно понимаемых группах слов. Сведения, изложенные в предыдущих параграфах данной главы, должны позволить вам идентифицировать каждую из специфических фонем в приведенном выше списке слов. Но не огорчайтесь, если у вас возникнут трудности с какой- либо группой слов,— ответы даны ниже:
［需IФонемаСлово
濫ФонемаСлово
1234567890123456
aw
talk
ah
top
uh
ton
ae
tap
oh
tone
u
took
a
tape
ch
ten
00
tool
i
tip
ce
peek
r
rake
1
look
sh
shake
ng
『ing
m
move
7890123456789OH吃1112222222222333
n s t gk v'hb d pf t
church Nancy joke azure zoo see tot golf cook vivacious thick bob dud
POP fluffy then
Описанный тест пригоден для любого синтезатора речи и вообще для любого говорящего, если требуется проверить правильность произношения различных фонем или поупражняться с целью узуашегшя их произношения. Этот тест можно также использовать для сравнительных оценок качества речи.
Последнее слово о лингвистике
Лингвистика и техника синтеза речи очень тесно переплетены друг с другом. Правда, еслп в ваши намерения не входят программирование звуков или генерирование связной речи из фонем, то излоя-;енные выше сведения по фонетике, возможно, подюгут вам лишь при исследовании других особенностей сннтезированной речи. Еслп же, напротив, вы занимаетесь именно фонетическим (формантным) синтезатором, который строит
речь из отдельных звуков, то вам необходимо иметь пред- ставление о фонетическом запасе вашей системы. 1огда можно позаботаться и о том, чтобы система произносила звуки так, как вы хотите. Надо иметь, однако, в виду, чт0 посторонний снугпатель может восприпимать звуки совершенно иначе, чем вы. “
При создаипи системы синтеза^речи, рассчитанной на посторонних слушателей, h°qox°“iimq учесть еще одно важное обстоятельство. Дело в том, что в рамках североамериканского варианта английской ре”” существует очень большое? число различных диалектов. Диалект — под которым понимается разновидность языка, обусловлен пая географическими пли соцпальнымп признаками говорящих па нем людей,一 значительно отлпчйется от 《стандартного» язнка и спо льзо в g ннем некоторых специфических грамматических форм п особенностями произношения. Когда создатель синтезатора приступает к программированию речи компьютера, он бессознательно пользуется для этого диалектом, па котором говорит сам. И если кто-либо в другой части страны услышпт речь синтезатора, то он, возл1о;кно, сумеет определить, откуда родом человек, составивший программу говорящего компьютера.
Лучший способ избежать программирования на своем диалекте — это внимательно слушать передачи национального телевидения. Такие передачи, как обзор новостей, могут служить образцом звучания для компьютера. И лишь когда система обретет «дякторскую» речь, ее смогут легко понимать люди из любой части страны.
Наконец, есть еще один момент, па который следует обратить внпхгание прп рассмотрении лингвистических аспектов: программируя фразы для компьютера, следует учитывать зависшюетЕ некоторых гралшатпческлх форм от географии места, где будет использоваться говорящая система. Например, твердую сердцевинку плода вишни н разных частях страны могут называть по-разному: косточкой, сердцевиной плп семечком. В определенной географической области каждое из этих слов имеет одни и тот же сдгысл, но в другой части страны его значезпе может оказаться совсем другим. Касаясь таких «нюансов» лингвистики, я вовсе по хочу сказать, что речь компьютера обязательно должна быть градшатически идеальной. Я хочу лишь показать, что
на большой территории, где говорят на одном языке, в речи существуют различия. И чтобы речь одинаково хорошо понимали во всех частях страны, она должна звучать по возможности «более нейтрально». Именно такую речь мы чаще всего слышим в телевизионных передачах новостей.
Подводя итоги, можно сказать, что глубокое понимание и использование элементов лингвистики послужит надежной основой при составлении довольно полного и хорошо понимаемого словаря для системы синтеза речи. Чем больше времени и внимания вы будете уделять вопросам лингвистики при обучении компьютера навыкам речи, тем разборчивее и понятнее он будет говорить. Естественно, нельзя забывать о грамматических конструкциях и структуре предложения. Но тех, кто интересуется вопросами, связанными со структурой предложений, мы отсылаем к списку литературы, приведенному в конце книги. Внимательность при составлении предложений, безусловно, необходима, ибо в противном случае посторонний слушатель может иногда не так понять сагысл фразы, которую по вашей воле произнесет компьютер. Чтобы убедить вас в возможности подобных недоразумений, предлагаю вам для размышления два следующих предложения:
Time flies like an arrow. (Время летит, как стрела.) Fruit flies like a banana. (Плодовые мушки любят бананы.)
Глава 4
ЭТИКА «ПОВЕДЕНИЯ»КОМПЬЮТЕРА-СИНТЕЗАТОРА РЕЧИ
В двух предшествующих главах нш рассказали, как формируется речь человека, начиная с базовых звуков п кончая образованием английских слов и предлои<е- пий. Теперь мы располагаем довольно прочной основой для перехода к компьютерной речи. Однако между двумя t казалось бы, сходными понятиями — человече- CKoii и компьютерной речью — лежит некая《серая зона», мостом через которую служит интеллект二 Я, ])а- зумеется, имею в виду интеллект не читателей, а тех, кто говорит. В этой главе мы вкратце остановимся па участии разума в процессе речи и на том, как это сказывается на различиях между речью естественного и искусственного происхождения.
Хотя, возможно, некоторые посчитают эту главу экстраординарной, излагаемая в ней информация пеклю- чптельно важна для практических применений компьютерных синтезаторов речи. II от того, будет ли она принята во вллмание при использовании готового устройства, может зависеть успех пли неудача его в реальных условиях. Разговор здесь пойдет о восприятии человеком речи, генерируемой компьютером.
Произнося ту или иную фразу, мы (почти подсознательно) учитываем множество внешних факторов, определяющих, как и когда говорится фраза. Компьютер, естественно, сделать этого не мо;кет, если только он не обучен этому специально пли не обладает нскусст- венным интеллектом. В настоящей главе вы узнаете, как позаботиться о том, чтобы высказывапля компьютера были своевременными и «по существу».
Правила компьютерной речи
Для начала рассмотрим некоторые основные правила «этикета», которым должен следовать говорящий компьютер. Далее мы более подробно познакомимся с этими
правилами и необходимостью их соблюдения при непосредственных применениях компьютерных синтезаторов речи. Предлагаю вам поразмышлять над соображениями аитора по поводу компьютерного речевого этикета.
Если компьютер может сказать что-нибудь не вовремя, он это сделает.
Если вы будете неоднократно демонстрировать говорящий компьютер одним н тем же людям, то каждый раз они будут надеяться услышать речь лучшего качества.
В то время как человека можно попросить помолчать, к запрограммированному компьютерному синтезатору речи бесполезно обращаться с подобной просьбой.
Компьютеры, прерывающие говорящего, как и люди, поступают бестактно. «Идеально воспитанный» компьютер должен вступать в разговор, лишь когда в помещении тишина.
Короткая, неожиданно сказанная компьютером фраза потеряется в шуме обычного разговора.
Если компьютер намерен сообщить что-то важное, он должен заранее оповестить об этом сигналом или каким-либо звуком, привлекающим внимание сл^^шатс- лей.
Говорящий компьютер похож на ребенка: он знает, как говорить, но не знает когда.
Компьютер, говорящий слишком много, будет выключен.
Компьютер, говорящий слишком мало, останется без втшдгаипя.
Слушатель должен быть готов услышать пс- кусствениый голос компьютера, если, конечно, последний не обладает натуральным голосом.
Эти правила особенно важны, когда вы только начинаете «выводить» ваш компьютер в общество. Конечно, первые сказанные им слова могут вызвать у вас «головокружение от успеха», но помните, что новизна компьютерной речп скоро потеряет свой блеск. II вам придется начать применять изложенные здесь правила колшьготерного речевого этикета для «воспитаниям вашей действующей спстемы. Поступая так, вы разовьете у говорящего компьютера некоторые зачаткп пс- кусствеииого интеллекта, что сделает его более прпят-
Глава 4
ЭТИКА «ПОВЕДЕНИЯ»КОМПЬЮТЕРА-СИНТЕЗАТОРА РЕЧИ
В двух предшествующих главах min рассказали, как формируется речь человека, иачипая с базовых звуков п кончая образованием английских слов и предло>ке- иий. Теперь мы располагаем довольно прочной основой для перехода к компьютерной речи. Однако между дву- мя, казалось бы, сходными понятиями — человеческой и компьютерной речью — лежит некая «серая зона», мостом через которую служит интеллект： Я, разумеется, iiAieio в виду интеллект не читателей, а тех, кто говорит. В этой главе мы вкратце остановимся па участии разума в процессе речи и на том, как это сказывается на различиях между речью естественного и искусственного происхождения.
Хотя, возможно, некоторые посчитают эту главу экстраординарной, излагаемая в ней информация исключительно важна для практических применопий компьютерных синтезаторов речи. И от того, будет ли она принята во внимание при использовании готового устройства, может зависеть успех или неудача его в реальных условиях. Разговор здесь пойдет о восприятии человеком речи, генерируемой компьютером.
Произнося ту или иную фразу, мы (почти подсознательно) учитываем множество внешних факторов, определяющих, как п когда говорится фраза. Компьютер, естественно, сделать этого не может, если только он не обуаен этому специально или пе обладает искусственным интеллектом. В настоящей главе вы узнаете, как позаботиться о том, чтобы высказывания компьютера были своевременными и «по существу».
Правила компьютерной речи
Для начала рассмотрим некоторые основные правила «этикета», которым должен следовать говорящий компьютер. Далее мы более подробно познакомимся с этими
правилами и необходимостью их соблюдения при непосредственных применениях компьютерных синтезаторов речи. Предлагаю вам поразмышлять над соображениями автора по поводу компьютерного речевого этикета .
Если компьютер может сказать что-нибудь не вовремя, ои это сделает.
Если вы будете неоднократно демонстрировать говорящий компьютер одним и тем же людям, то каждый раз они будут надеяться услышать речь лучшего качества.
В то время как человека можно попросить помолчать, к запрограммированному компьютерному синтезатору речи бесполезно обращаться с подобной просьбой.
Компьютеры, прерывающие говорящего, как и люди, поступают бестактно. «Идеально воспитанный» компьютер должен вступать в разговор, лишь когда в помещении тишина.
Короткая, пеожвдаипо сказанная компьютером фраза потеряется в шуме обычного разговора.
Если компьютер намерен сообщить что-то важное, он должен заранее оповестить об этом сигналом или каким-либо звуком, привлекающим внимание слушателей.
Говорящий компьютер похож на ребенка: он знает, как говорить, но не знает когда.
Компьютер, говорящий слишком много, будет выключен.
Компьютер, говорящий слишком мало, останется без вппитапия.
Слушатель должен быть готов услышать искусственный голос компьютера, если, конечно, последний не обладает натуральным голосом.
Эти правила особенно важны, когда вы только начинаете «выводить» ваш компьютер в общество. Конечно, первые сказанные им слова могут вызвать у вас «головокружение от успеха», но помните, что новизна компьютерной речи скоро потеряет свой блеск. И вам придется начать применять изложенные здесь правила компьютерного речевого этикета для «воспитания» вашей действующей системы. Поступая так, вы разовьете у говорящего компьютера некоторые зачаткп искусственного интеллекта, что сделает его более прият-
может ока- обнаружите ближайшемможет ока- обнаружите ближайшем62626363
может ока- обнаружите ближайшем
может ока- обнаружите ближайшем
62
62
63
63
ннм для окр5?жающих. В противном случае заться, что в один прекрасный день вы громкоговоритель своего компьютера в
мусорном ящике.
Следуйте правилам
Даячв понимая общие идеи изложенных выше правил, вы, возможно, затрудняетесь прплгенять их к конкретной говорящей системе. Здесь и может проявиться ваша творческая жилка. Большинство из цврачис лонных правил пока находится на самой ранней стадии развития, если пметь в виду их применение к компьютерным синтезаторам речи. Следуя этим правилам, важно все время помнить, что вы, возмон<но, необъективны в оценке вашего синтезатора речи. Вы с любовью обучили его первым словам и постепенно свыклись с его необычньшн способностями. Но ведь его речь предназначена и для других ушей. А другие слушатели вполне могут воспринять вашу систему как нечто сверхъестественное, поскольку это — КОМПЬЮТЕР.
У тех, кто впервые слышит говорящий компьютер, обычно возникает желание спросить: «Что он сказал?» В таком случае вам, подавив свою гордость, придется самому спокойно повторить фразу, которую не понял слушатель. И в ответ на это вам, как правило, скажут: «Да, кажется, я именно это и слышал». Неловкое положение часто возникает из-за того, что компьютер вмешивается в разговор людей. Чтобы разрешить эту проблему, компьютер должен перед «выступлением» подать тональный сигнал, звук колокольчика или даже ■^вук, имитирующий прочистку компьютерного «горла». На первый взгляд такое поведение люжет показаться бестактным, но если вы обратите 1?пимание на обычное разговорное общение людей, то заметите, что любой человек, прежде чем начать говорить, старается каким- то образом привлечь к себе внимание. Обычно это может быть жест или взгляд, показывающий, что речь н^чнна- ется. Почему же компьютер не должен соблюдать подобные правила? То, о чем я здесь говорю, фактически представляет собой установление связи (нечто вроде рукопожатия) между двумя людьми перед началом разговора. Поскольку предполагается, что компьютер обладает каким-то пнтеллектол!, естественно ожидать от
него соблюдения тех же правил. Существуют и другие способы, которые в зависимости от обстоятельств могут использоваться для «анонсирования» выступления компьютера. Например, если человек внимательно следит за компьютером в ожидании его речи, то перед началом фразы может автоматически включаться сигнальная лампочка. Той же цели может служить, например, тональный звуковой сигнал или звон колокольчика. Не следует, однако, начинать анонсированное сообщение сразу после предупредительного сигнала, так как вполне вероятно, что говорящему в данный момент человеку потребуется две-три секунды, чтобы закончить фразу. Поэтому желательно соблюдать такое хорошо проверенное на опыте правило: речевому сообщению компьютера должны предшествовать предупрежденпе п вслед за ним пауза продолжительностью две-три секунды. Если вы предполагаете пользоваться речевым выходом компьютерной системы в большом помещении илп же в таком месте, откуда компьютер непосредственно не виден, то для предупреждения слушателей о предстоящем сообщении следует попользовать тональный сигнал или какое-либо другое звуковое оповещение.
От соблюдения данного правила в большой степени зависит успех компьютерной речевой системы. Если же вы откажетесь от устройства предварительного оповещения, то, по всей вероятности, сообщение компьютера не будет воспринято на фоне разговора окружающих его людей. Для достижения той же цели пригоден еще один способ: повторение фразы несколько раз. Такое «доведение» говорящего компьютера, может, однако, раздражающе действовать на слушателей, если только в его сообщении не содер/кптся чрезвычайно важной и экстренной информации. Например, если компьютер сообщает о пожаре пли о взломе жплого либо сл\'жебного помещения, то сообщению не только должны предшествовать предупреждающие и привлекающие внимание сигналы, но и само оно должно повторяться очень громко до тех пор, пока человек-оператор не прореагирует на сообщение. Так мы подошли к следующему вопросу: какие же имеются в нашем распоряжении средства взаимодействия с компьютером, пока он говорит фразу или после нее? На данном этапе исследований ответ на этот вопрос, к сожалению, однозначен: никаких. Да.не? мы рассмотрим несколько примеров использования обрат-
ной связи с системой речевого вывода, которая позволит сделать поведение этой системы более ве/кливым и и обходительным, как это свойственно человеку.
Можно ли мне сказать это?
Описанные в предыдущем параграфе попытки установить связь компьютера с пользователем носят исключительно пассивный характер, ибо они ограничиваются предупреждением о предстоящем сообщении. Чтобы деистви-
0一々4以例40一々4以例4R Mi注而g дси/ште叫,R Mi注而g дси/ште叫,
0一々4以例4
0一々4以例4
R Mi注而g дси/ште叫,
R Mi注而g дси/ште叫,
гром но- ^одорителбгром но- ^одорителбРис. 4.1. Простейшая схема устройства акустического взаимодействия с компьютером.
гром но- ^одорителб
гром но- ^одорителб
тельно обрести способность к речевому взаимодействию с оператором, система должна реагировать на поступающие в нее входные сигналы. Если придерживаться концепции обмена звуковой информацией, то эта обратная связь также должна быть звуковой. Отсюда, однако, не следует, что компьютер должен непременно понимать смысл слов пли обладать способностью распознавания речи. Хотя такой воспринимающий звуковые сообщения вход был бы идеальным и позволил бы вам беседовать с компьютером, для осуществления акустического взаимодействия он необязателен. Итак, для обретения некоторого «интеллекта» компьютеру потребуется микрофонный вход.
Простейшая схема звукового входного устройства, которое можно подключить к компьютеру,——это комбинация микрофона с усилителем и несложной цепочки из амплитудного детектора и пороговой схемы. Такое входное устройство «предупредит» компьютер, что в данный момент в данном помещении нет тишины и поэтому приготовленную к выводу фразу следует временно записать в память. На рис. 4.1 показана блок-схема та
кого простейшего, но вместе с тем действенного устройства звукового входа. Уровень интеллекта этого устройства при взаимодействии с человеком-слушателем определяется программным обеспечением устройства. Как показано па рисунке, микрофон следует установить рядом с громкоговорителем компьютера, а схему, содержащую усилитель, детектор и пороговое устройство, отрегулировать так, чтобы при тишипе в помещении на его выходе был логический нуль. Если же на расстоянии слышимости выходного громкоговорителя про-
Рис. 4.2. Блок-схема алгоритма «вежливого» говорящего компьютера.
походят разговор, то порог надо отрегулировать так, чтобы на входе компьютера была логическая единица. Обрабатывая эту входную инфор^тацию в соответствии с заложелпой проградгмоп, компьютер определяет наиболее подходящий момент для своего высказывания. Структурная схема типичной программы, позволяющей значительно повысить интеллект компьютерной речевой системы, показана па рис. 4.2.
Перед началом вывода речевой информации прежде всего подается тональный спгнал оповещения илп речевой сигнал прерывания, предупреждающий о том, что скоро компьютер сделает свое сообщение. Сразу ?ке после этого компьютер делает паузу приблизительно в 1 с, чтобы при поагощи схемы звукового взапмодействпя определить, наступила ли в помещении тпшпна. Если разговор продоли<ается, то приготовленная 巾раза записывается в память к порподпческпе проверки на налп- чие тишины производятся до тех пор, пока уровень ну
3*3*6767
3*
3*
67
67
мов не станет ниже порогового. Выявив такой момент, компьютер может начать говорить с определенной уверенностью, что речевого столкновения не произойдет. Программная реализация такого режима вьгдачи сообщений без прерывания других говорящих очень проста, а достижимые при этом результаты могут быть весьма впечатляющими. Несколько более сложная программа
позволит даже проверять уровень тунов в помещении между определенными словами, пропзнесештымп компьютером, и если разговор возобновился, то компьютер может начать свое сообщение снова, когда представится подходящий момент. Для слушателе компьютер, ведущий себя подобным образом, будет похож на говорящего человека, которого прервали и который замолчал, ожидая момента, когда сможет повторно высказать свою мысль.
Иными словами, главное в описанной системе —— имитировать поведение говорящего человека, проявляющего определенную степень уважения к тем, кто на-
ходится рядом с ним. На рис. 4.3 показана принципиальная схема, позволяющая реализовать описанный режим работы с акустическим взаимодействием. Эта схема собрана на трех обычных операционных усилителях интегрального типа. С их помощью производятся усиление сигнала с выхода микрофона, детектирова-
0,1 МНР
пие и пороговое ограничение, позволяющее определить уровень шумов в помещении. Предусмотрены две регулировки: усиления сигнала, получаемого с выхода микрофона, и порогового уровня окружающих шумов. Практически такая схема звукового взаимодействия может сопрягаться всего лишь с одним входом говорящего компьютера ——это сигнальная линия, позволяю-
щая определять, тихо или шумно в помещении в данный момент. Если ручку регулировки порога установить приблизительно в среднем положении, то усиление нужно отрегулировать таким образом, чтобы человек, говорящий в помещении спокойным голосом, создавал па входе компьютера сигнал, соответствующий логической единице, т. е. примерно напряжению 5 В. Когда же человек прекращает говорить, уровень сигнала на входе компьютера должен быстро падать до О В. Работа данной схемы мало зависит от разброса параметров компонентов схемы и от способа монтажа. При сборке схемы следует лишь обязательно предусмотреть экранирование микрофонного провода и соединений его с входным усилителем, чтобы избежать сетевых наводок и других помех. Собрав схему и подключив ее на вход компьютера, вы получите говорящий компьютер, ведущий себя весьма разумно и нуждающийся в исключительно малых программных средствах для реализации блок-схемы алгоритма (рис. 4.2).
Повышение уровня интеллекта
Разумеется, входное устройство компьютера, способное пе только просто реагировать на наличие звуков в помещении, во и распознавать смысл сказанных вами слов, относится к устройствам более втясокого класса. Описапию различных конструкций этих приборов —— распознавателей речи можно было бы посвятить отдельную книгу такого же объема, как наша. Но не будем погружаться В мир ЭТИХ СЛОЖНЫХ устройств II способов пх реализации, а предположил просто, что онп уже имеются и их можно установить па входе говорящего компьютера. Когда эта колоссальная задача по созданию «разумного» речевого ввода и такого же вывода будет выполнена, область применения используют,его их компьютера станет поистине беспредельной. Так, если У вас есть распознаватель речи, способный понимать, скажем, 16 слов, то вы можете вводить в него такие слова, как: да, нет, замолчи, что?, повтора еще раз, громче, тише и т. д. И когда пы начнете программировать ре- дев。面 вывод с учетом разумного ввода, то, возможно, вам больше но захочется возвращаться к старой клави- атуре. На деле, однако, вам все еще придется вводить слова, которым система пока не обучена.
Занимаясь расширением речевого словаря компьютера и повышением его интеллекта, можно составить программу речевого обучения, которая позволит вводить в компьютер слово через клавиатуру, а затем заставит компьютер методом проб и ошибок учиться правильно произггоспть это слово, подчиняясь речевым командам человека. Конечно, такая форма взаимодействия с речевым вводом и выводом применима главным образом к системам фонетического синтеза, которые будут отшсаш式 ниже. Можно использовать системы и других типов, но при наличии у них в памяти достаточно большого речевого словаря. Результаты речевого взаимодействия с компьютером в процессе его обучения речи могут оказаться впечатляющими как для вас, так и для достаточно подготовленных посторонних наблюдателей. Предлагаю вам поразмышлять над тем, как лучше реализовать подобную речевую систему, обладающую определенным интеллектом. А что касается компьютеров, способности которых отвечали бы поставленным целям, то они, несомненно, появятся в ближайшие пять ——десять лет. Аппаратные средства существуют уже сейчас, недостает лишь программного обеспечения.
Управление выводом речи
Даже если вы решили не создавать у говорящего компьютера речевого ввода, вам обязательно нужно предусмотреть какие-то средства воздействия на его речевой вывод. Следует помнить, что речевой вывод информации отличается от вывода с помощью принтера, который не требует к себе випмаппя, работает автоматически и записи которого можно внимательно прочесть позднее в любое время. Речь же должна быть услышана и понята в самом процессе ее вывода. На деле программа, генерирующая много речевых сообщений, может вызвать раздражение, если только пе предусмотреть какого-либо способа понизить громкость речи плп совсем выключить речевой вывод. Если вам приходилось бывать в залах электронных игровых автоматов л слышать пх бессмысленное бормотание, то вы, конечно, поймете, что обязательно ну;кно иметь возможность 5гправленпя речевылг выводом. Если же вы еще сомневаетесь в этом, постойте полчаса у одного из таких автоматов.
О двух органах управления синтезатора речи, который можно было бы считать «хорошо воспитанным», уже говорилось ранее. Регулировка громкости, входя- щзд в этот обязательный минимум, позволяет оператору по желанию изменять громкость речи. Важно также ПМеть простой выключатель громкоговорителя. В ряде случаев той же цели служит выключатель питания синтезатора речи. Такой выключатель позволяет мгновенно отключать выход синтезатора, не меняя установленный
уровень громкости. Располагая этими двумя органами управления, оператор может выключить синтезатор или регулировать его громкость от шепота до крика.
Свобода речи?
Создавая говорящие машины, способные привлекать паше внимание своими высказывания ми и советам% мы сами становимся объектами воздействия со стороны техники, лишая тем самым себя тишины. Можно привести неплохой пример того, как развитие и распространение техники влияет на окружающую нас среду. Обратите внимание па шум в театре во время спектакля. Вы услышите различный звон и <(бип-бипы^ часов, кальку-
ляторов и других электронных «штучек», отсчитывающих время. Вообразите, что было бы, если бы все эти часы и калькуляторы стали еще и объявлять время. Наверняка начнется мешанина всех этих сообщений, произносимых говорящими устройствами различными голосами и с разными акцентами, А если еще начнут говорить привычные нам пишущие машинки, будильники, кухонные плиты и камины, холодильники и ав-
томобплп, то мы постоянно будем окружены странными голосами, от которых некуда скрыться. Поэтому нужно тщательно учесть возможные последствия добавления речевого вывода таким изделиям пли устройствам. Помните, что речевой вывод компьютера полезен, пока соблюдаются определенные правила. Речевой вывод нужен далеко не для каждого применения, и во многих случаях отсутствие визуального вывода пнформацпи —— большой недостаток. Поскольку, создав говорящий компьютер, мы будем пъгеть дело с такой реакцией компьютера, от которой нельзя просто отвернуться, следует более ответственно подойти к выбору формы и содержания произносимого компьютером речевого сообщения.
Глава 5НЕМНОГО ИСТОРИИ
Прежде чем углубиться в технику электронного синтеза речи, дптателю, возможно, будет интересно хсил он вкратце познакомиться с ранними попытками человека реализовать искусственным путем удивительную способность к речи, которой природа наделила лишь людей. В эпоху Древней Греции и Рима дар речи почитался как божественный. Стремясь убедить свою паству в подлинности божественных идолов и статуй богов, жрецы всячески пытались сделать их говорящими. Исиоль- зуемме для этого методы были, разумеется, весьма при- дгитивны, по еще более примитивным было представление о механизме речи: в ход пускались переговорные трубн и рупоры, а также сооружались ловко замаскированные туннели, через которые люукно было добраться до рта статуй, Вообразите, что было бы, если бы этих древних «иллюзионистов» вооружить современной техникой. Сколь сильное впечатление произвели 6м на несведущих древних людей «говорящие» идолы и боги!
Шли века, по интерес людей к волшебному дару речи не пропадал. Предприпимались различные попытки, чаще всего весьма безуспешные, создавать звуки с помощью машин. Некоторые из первых докумептироиап- пых попыток такого рода относятся к эпохе Возрождения. В прежние времена исследования в области созда- пия искусственной речи основывались большей частью на качественных представлениях о механизме речи, а основополагающим принципам речи должного внимания не уделялось. В эпоху Возрождопия человек начал пытливо, всеми доступными ему средствами нзуиать жизненные п физиологические функции организма. Одной из старых проблем, вновь оказавшихся на переднем плане, было лсслодовапие физиологпп человека и количественное описание механизма речи. Приступив к изучению физиологии речи, ученые начали строить
практические модели говорящих машин, и некоторые пз них действительно работали. Если учесть состояние науки в конце XVIII в., то можно считать, что при создании моделей говорящих магнии было проявлено немало творческой смекалки.
Говорящие механизмы
Если смотреть с позиций современном технологии, то до наступлелпя эры электроники успехи ученых в области создания говорящих устройств сдерживались отсутствием транзпеторов и интегральных схем. Им приходилось полагаться лишь на мехаыические устройства. Подобно аналитической машине (компьютеру) Чарлза Бебпд/ка, собранной только из механических деталей и занимавшей целую комнату, первые говорящие магпп- ны былп больше похожи на музыкальные инструьгенты, чем на сложные системы, которые можно было бы ожидать. Тем не менее все эти механизмы по-своему интерес сны, и попытки создания механических речевых систем до сих пор продолжаются параллельно с развитием методов электронного синтеза речи.
Одна из первых вошедших в историю попыток меха- нпческой генерации речи была предпринята примерно в 1770 г. в Петербургской академии наук. Сотрудник Санкт-Петербургского университета Кратценштейн успешно решил поставленную задачу — объяснить физиологические различия речи' при произнесении пяти гласных звуков и был удостоен ежегодной премии за моделирование н построение ряда акустических резонаторов, имитирующих голосовой тракт человека. Построенное пм говорящее устройство, примитивное по сегодняшним меркам, действительно создавало гласные звуки при помощи вибрирующих язычков, возбуждаемых воздушным потоком. А1епяя акустические резонаторы и вручную выбирая формантные частоты, при помощи этого устройства можно было, хотя и ограниченно, генерпровать речь.
Одновременно с Кратценштейном п пезавпепмо от пего Вольфганг фон Кемпелен работал над более сложной машиной для генерации связной речи. Он ставил перон собой более сло;кпую задачу, нежели воспропзве- денпе гласных звуков: его целью было получение фраз и слов. Так же как и в устройстве Кратценштепна, в
Рис. 5.1. Говорящие меха модели Кемпелена, построснтпяр Уит- стоном.
машине Кемпелеиа имелись меха, которые создавали воздушный поток для возбуждения вибрирующих язычков, игравших роль голосовых связок. Резонаторы ротовой полости имитировались гибкой трубкой из кожи, которая действием руки создавала звуки речи. У этого необычного механического устройства (рис. 5.1) имелись также отверстия, имитирующие носовые резонансные полости, и две руаки, при помощи которых можно было управлять свистками, создававпшми фрикативные звуки (человек создает такие звуки посредством зубов и губ). Говорящее устройство было сделано весьма остроумно, но для работы на нем оператору требовалось немало умения и опыта. При «игре» на этом инструменте приходилось выполнять такие же примерно действия, как при игре на самых больших органах. Достойно ^давления, что инженерное искусство того времени позволило создать столь сложную говорящую машину, с помощью которой оператор мог действительно создавать синтезированную речь. Оператор, сидевший сбоку
от говорящей машины, правой рукой приводил в движение меха, одновременно управляя «носовыми» отверстиями и плунжером язычка. Левой рукой оператор манипулировал кожаной трубкой, посредством которой осуществлялась артикуляция звонких звуков, приходящих от вибрирующего язычка. Как утверждал фоп Кемпелен, его машина производила 19 согласных звуков, которые были вполне различимы. О том, насколько по-разному эти звуки могли быть поняты неподготовленными людьми, мы уже говорили в гл” 4.
Более усовершенствованный вариант «говорящих мехов» фон Кемпелена был позднее построен Чарлзом Уитстоном (создателем известного моста Уитстона); однако до XIX в. исследования в этой области были крайне малочисленны. Машину Кешзелена, реализованную Уитстоном, довелось увидеть молодому экспериментатору из Эдинбурга (Шотландия) Александеру Грейаму Беллу. Впечатление, которое произвело на него это говорящее механическое устройство, не только направило его интересы на научное исследование речи, но, вероятно, во многом определило и все дальнейшее развитие науки и техники. Несколько лет спустя, в феврале 1876 г., Белл получил американский патент № 174 465 на принцип и способ реализации устройства, получившего название «телефон».
Увидев «говорящие меха» Уитстона, Александер Белл решил собрать под руководством отца собственную аналогичную модель. С помощью брата Мелвилла Александер построил пз дерева, резины и ткани дей- ствующую физическую модель голосового тракта человека. Корпус его говорящей машины имел форму головы, а различные органы речи ——губы, щеки, язык и голосовые связки ——были сделаны пз резины и мягкого фетра. Движущимися частями этой модели головы можно было управлять посредством рычагов, а голосовые связки пмитпровались резиновой мембраной со щелью, через которую проходил воздух. Хотя модель выглядела, по всей видимости, весьма устрашающе, напоминая монстра, Белл утверждал, что она может произносить гласные, носовые звуки и даже (при достаточном опыте оператора) простые связные фразы. Играя впоследствии на говорящей механической голове, Белл вспоминал о тех днях, когда оп только начал разбираться в физиологии и механике речи.
Интерес А. Белла к механизму речи во многом был вызван имевшейся у его отца школой речи, и довольно скоро он понял перспективность работ в этой области. Все эти механизмы потенциально были готовы «заговорить», но время для них еще не подошло. Вскоре Ьелл паучил своего терьера Ская, садясь на задние лапы, издавать продолжительное рычание, означавшее требование пищи (которую ему и давали как поощрение). В это время Белл осторо^кно манипулировал с горлом п ртом собаки, создавая звуки, на которые только был способен ограниченный по своим возможностям голосовой тракт собаки. В результате этих усилий Беллу удалось заставить собаку «произносить» пять звуков, состоящих из гласных ah и оо, морфем та н ga и дифтонга ои. Рассказывают, что с помощью этого весьма ограниченного «словаря» и нескольких фунтов пищи Болл сумел заставить своего любимца произносить^ фразу «How аге you, Grandmama?» (Как поживаете, бабушка?) Говорили также, что иногда пес с блеском в глазах делал попытки самостоятельно сказать эту фразу, но у него не получалось ничего, кроме «гррр». Старания юного Белла научить своего пса «говорить» хотя и не увенчались успехом, тем не менее послу/кили основой &ая его первых манипуляций с механической говорящей головой.
Двадцатое столетие
В нашем веке сохранился интерес к синтезу речи, основанному па тех механических методах, которые разрабатывались в прошлом. Однако с зарождением электроники были предприняты попытки построить электрические аналоги речевой системы. Так, в 1922 г. Дж. Стюарт сообщил в журнале Nature Magazine о построенной им электрической модели голосового тракта. Эта довольно примитивная схема (рис. 5.2) включала электрический зуммер для мо口елнровання голосовых связок и пару индуктивно-емкостных резонаторов для угоделирования резонансов горла и ротовой полости. Модель Стюарта, способная в лучшем случае генерировать две формантные частоты, давала речь, состоящую главным образом из гласных звуков. Изменением емкостей, индуктивностей и сопротивлений компонентов схемы можно было плавно переходить от одного глас
ного звука к другому, получая таким образом некоторые дифтонги.
Сложные электрические компоненты в то время были сравпительпо малодоступны, и поэтому продолжались поиски в области механических систем синтеза речи. В 1937 г. Р. Риш продемонстрировал свое механическое говорящее устройство, которое, как и другие механические устройства такого назначения, больше напоминало музыкальный инструмент. Это устройство, в своей звуковой части повторявшее голосовой тракт человека и выполненное в основном из резины и металла, содержало также клавиши, подобные тем, какие мы привыкли видеть па музыкальных трубах (рис. 5.3). Опытный опе-
%
Рис. 5.2. Электрическая модель голосового тракта, построенная Стюартом.
ратор извлекал пз этого говорящего устройства речь довольно хорошего качества. Управляя (двумя руками) 10 клавишами, оператор мог осуществлять артикуляцию звуков. Илюлась возможность управлять движевпем почти каждой подвижной частп голосового тракта человека. В качестве примера наиболее артикулированной речи этого устройства обычно приводили слово cigarette (сигарета).
Почта одновременно Риш работал также над созданием одного пз лервых электрических спнтезаторов речи, способных создавать связную речь. Как и его механическое говорящее устройство, электрическая говорящая система Риша, построенная нм с помощью Дадли и Уоткинса, демонстрировалась на международных выставках в Нью-Йорке в 1939 г. и в Сан-Францпско
76
77
е нмиши.е нмиши.7 ср7 ср8С8СРис. 5.3. Механическое говорящее устройство Риша.Рис. 5.3. Механическое говорящее устройство Риша.клавиша высотытонаклавиша высотытонаВпуск воздуха, с голосомВпуск воздуха, с голосомКамера азьнкаКамера азьнкаВыход 面7勺Выход 面7勺Носовой резонаторНосовой резонатор&9&9И^аЗиша наза/шзацииИ^аЗиша наза/шзацииРис. 5.4. Синтезатор речи «Водер», демопстрировавтпийся на ьте^кд^^народных выставках в Нью-Йорке (1939) и Сан-ФранцискоРис. 5.4. Синтезатор речи «Водер», демопстрировавтпийся на ьте^кд^^народных выставках в Нью-Йорке (1939) и Сан-Франциско
е нмиши.
е нмиши.
7 ср
7 ср
8
С
8
С
Рис. 5.3. Механическое говорящее устройство Риша.
Рис. 5.3. Механическое говорящее устройство Риша.
клавиша высоты
тона
клавиша высоты
тона
Впуск воздуха, с голосом
Впуск воздуха, с голосом
Камера азьнка
Камера азьнка
Выход 面7勺
Выход 面7勺
Носовой резонатор
Носовой резонатор
&
9
&
9
И^аЗиша наза/шзации
И^аЗиша наза/шзации
Рис. 5.4. Синтезатор речи «Водер», демопстрировавтпийся на ьте^кд^^народных выставках в Нью-Йорке (1939) и Сан-Франциско
Рис. 5.4. Синтезатор речи «Водер», демопстрировавтпийся на ьте^кд^^народных выставках в Нью-Йорке (1939) и Сан-Франциско
в 1940 г. Схема этой машины, получившей название «Во- дер», приведена на рис. 5.4. Она содержит электрические генераторы для моделирования звонкой и глухой речи, за которыми следуют 10 включенных параллельно полосовых фильтров, охватывающих весь спектр звуковых частот. Управление каждым из этих фильтров осуществляется нажатием па клавиши (типа клавишей фортепьяно), которые связаны с фильтрами через переменные резисторы (потенциометры). Для перехода от звонкой речи к глухой оператор пользуется наручным браслетом, а высота топа изменяется ножной педалью. Были предусмотрены также клавиши для генерации взрывных звуков и пауз.
Посетители международных выставок видели оператора, который играл на говорящей машине, подобно опытному органисту или пианисту. Подготовка оператора занимала ие менее года. Получаемая речь, как сообщалось, была весьма высококачественной.
По своей конструкции «Водер» в принципе очень похож на современные системы фонетического синтеза речи. Клавиатура управления в последних заменена, однако, выходами (портами) компьютера, благодаря чему управление этими системами существенно упростилось. После «Водера» дальнейшие исследования в области синтеза речи были связаны с пспользованием компьютеров и в основном велись по трем направлениям: восстановленная речь, фонетически сиптезированная речь и математически сиптезированная речь.
Поскольку это у;ке техника синтеза речи сегодняшнего дня. мы п перейдем теперь к ее оппсаяпю.
Глава 6СОВРЕМЕННЫЕ МЕТОДЫСИНТЕЗА РЕЧИ
Итак, мы подошли к главной теме нашей книги. Позна- компвшись в предыдущих главах с основам口 гбнерйции и синтеза речи, займемся теперь совреаюыными электронными йгетодйлгп синтезй речи. Зта глава вследствие слогкностп изло/кешюго в ней материала — одна из самых больших в нашей книге. Но, изучив ее, читатель получит достаточно полное представление о методах синтеза речи и средствах, которыми они реализуются. Не исключено, что некоторые, пока еще не вполне ясные и менее известные методы генерации искусствен- ной речп не нашли здесь отражения, но основные компьютерные методы синтеза, существующие па сегодняшний пень, рассмотрены весьма подробио.
Существуют три основных метода генерации речи; перечислим пх в цорядке возрастания сложности:
Кодирование сигналов речи с последующий! прямым восстановлением речп <
Фонетический синтез речи с помощью аналоговых формантных синтезаторов.
Математическое восстановление речи в частотной области (например, синтезаторы с линейным предиктивным кодированием, ЛГ1К).
Чтобы лучше понять возможности п ограничения каждого из этих методов, рассмотрим их более подробно. Позна к оми вшись с методами синтеза речп, читатель сможет ориентироваться в особенностях различных синтезаторов. If если ваше внимание привлечет какой-либо конкретный способ, то возможно, что с него и начнется Batu путь к занятиям синтезом речи. Данная глава поможет также найти наиболее эффективный способ вывода речевой информации из компьютера. Итак, мн вступаем в одну из самых быстро развивающихся областей современной электронной техники ——область синтеза речи.
Триединство методов синтеза речи
Как мы уже говорили, существуют три основных метода синтеза речи. А почему именно три? Почему, скажем, не два, четыре, восемь или десять?
На этот вопрос вряд ли можно ответить просто и однозначно. Пытаясь найти ответ, мы можем сравнить метода синтеза речи, например, с видами транспортных средств. Так, говоря о транспортных средствах, можно назвать три основных типа легковых автомобилей: обычный легковой автомобиль, спортивный автомобиль и вездеход. Все эти автомобили выполняют одну и ту же задачу — перемещение человека в пространстве. Основные же различия мелсду ними связаны с тем, как они это делают, каковы их стоимость и скорость. Каждое из этих транспортных средств обладает своими достоинствами и недостатками, но все они всегда дают один и тот же конечный результат: вы выезжаете из пункта Л и приезжаете в пункт Б. Аналогия с методами синтеза речи может показаться здесь слишком далекой, тем не менее каждый из трех методов генерации искусственной речи служит одной и той же цели ——выводу информации цз компьютера в виде речп. Способы же, которыми достигается эта цель (кодирование-восстановление формы сигналов, фонетический формантный синтез или математическое восстановление речи), различаются скоростью выполнения синтеза речп, стоимостью аппаратуры и быстродействием компьютера. И ка;кдая из таких возможных реализаций синтезатора обеспечивает различные уровни разборчивости н качества синтезированной речп. Иначе говоряf каждому из трех методов синтеза речп присущи своп плюсы п минусы :один дает речь с лучшей артикуляцией, но его реализация обходится гораздо дороже; дрхтгой достаточно дешев, но его речевые способности весьма ограниченны. II мы должны учптьгвать это, когда останавливаем свой выбор на том или мно” методе.
«Тахометр» синтеза речи
На рис. 6.1 изображена диаграмма, позволяющая внзу- алыю сравнпть три названных типа снетеп. Этот мтахо- метр)> синтеза речи показывает, как соотносятся скорости работы компьютера, необходимые для генераторов
80
81
]скусствепной речи каждой из трех основных категорий. Сами по себе эти скорости для большинства современных персональных компьютеров вполне реальны, но скорость выборки информации (выражаемая в битах в секунду, бит/с) в неявном виде связана непосредственно с объемом памяти, необходимым для хранения речи. Н если ввести некий относительный показатель, позволяющий сравнивать три названных метода синтеза речи по необходимому для каждого из них объему памяти,
Рис. 6.1. 《Тахометр» синтеза речи.
то идея подобного «тахометра» приобретает более глубокий смысл.
Предположим, например, что у базового персонального компьютера байт намята содержит восемь бит (у большинства компьютеров это именно так). Поскольку па «тахометре» речи показаны скорости в бит/с, простым делением скорости на восемь можно найти объем памяти, требуемый для каждой секунды речи. Допустим теперь, что мы хотим сравнить методы синтеза речи по эффективности хранения такого слова, как hello. Время, затрачиваемое на произнесение этого слова, зависит от манеры речи каждого человека, но приблизительно его можно считать равным 0,3 с. Как видно нз табл. 6.1, где три основных йгетода синтеза речи сопоставляются по объему памяти, необходимой для произнесения данного слова, их эффективность в этом от- пошешш очень различна. На рис. 6.1 для каждого из методов показана область скоростей, в которой данный конкретный метод может использоваться. Пижняя
Таблица 6Z Сравнение методов синтеза речи
Метод синтеза
Скорость, бит/с
Объем памяти для хранения слова HELLO, байт
Полное количество речи, которое может хранить компьютер с памятыо 48H
Фоистический
100—800
4-30
1 ч 4 мип — 8 мни
Линейное предиктив-
1200—
45—188
5 мин 20 с —
пое кодирование
5000
4 млн 17 с
Непосредственное кодирование
1G000— 120 000
600—4500
24 с —3,2 с
граничная скорость выборки в каждом случае соответствует относительно низкому качеству речи и связанному с ним ухудшению разборчивости. Верхняя граничная скорость в каждом методе соответствует системе с очень хорошей артикуляцией, качество речи которой приближается к естественной речи человека. Объем памяти, требуемый для произнесения слова helloт меняется в пределах от 4 байт (сравнительно низкокачественный фонетический метод синтеза; см. третью колонку таблицы) до 4500 байт (метод непосредственного кодирования сигналов с высоким качеством речи). Разумеется, Нинкине граничные значения скоростей для каждого метода синтеза выбраны так, чтобы уровень разборчивости был примерно одинаков, а верхние граничные скорости соответствуют в каждом случае почти идеаль- ному качеству речи*
Запоминание н хранение речи
В табл. 6.1 для нас наиболее важна последняя колонка, где указана полная длительность речевого сообщения, которое можно хранить в типичном персональном компьютере с памятью 48К байт (К = 1024). Максимальная длительность (1 ч 4 мпн), как впдпм, соответствует фо- нетннескому методу и позволяет хранить не только довольно большой словарь, но и другие программы, используемые для работы говорящей системы. А на другом конце интервала длительностей речевого сообщения находится наименее эффективный метод синтеза реяп —— непосредственное кодирование сигналов речи, при работе с которым в памяти компьютера емкостью 48K
можно хранить речевое сообщение длительностью лишь 3,2 с.
Не следует забывать, что эти требования к памяти относятся только к речи. А в памяти должен также содержаться словарь, который желательно использовать. Так, если вы хотите иметь словарь из 100 слов, предназначенный для составления произвольных предложений и фраз, то, учитывая, что для произнесения каждого словарного слова потребуется приблизительно 0,5 с, для хранения словаря потребуется объем памяти, соответствующий длительности сообщения по меньшей мере 50 с.
Обратившись снова к табл, 6.1, мы увидим, что при использовании метода непосредственного кодирования наш словарь может содержать максимум 48 слов (24 с), и при этом совсем не остается места для другого программирований фраз речи. Проблему можно решить, если хранить речь непосредственно в виде фраз без возможности произвольной выборки слов, но с возможностью выборки каждой из записанных фраз в нужные моменты. Это позволит ограничиться гораздо меньшим словарем, ио вместе с тем выделить часть памяти для хранения программ управления речью.
Приведенные результаты сравнения методов речевого вывода нельзя рассматривать как основу для вынесения окончательного решения относительно выбора того или иного метода. Эти данные служат лишь иллюстрацией возможностей и ограничений кая;дого из них. Выбор предстоит сделать вам самим. В гл. 7 даны характеристики многих выпускаемых в настоящее время систем с указанием их приблизительных цен. Знакомясь с этими системами, вспомните о «тахометре» синтеза ре【ш, определяющем требования к объему памяти систем, основанных па различных методах синтеза речп.
Искусственная (синтезированная) речь
Сравнивая три метода генерации искусственно汪 речи, ва;кно прежде всего определить понятие «искусственная (синтезированная) речь». Существуют по крайней мере 北ва основных критерия, по которым можно судить, тпо
речь, воспроизводимая компьютером, в самом деле является искусственной.
Во-первых, если компьютер генерирует действительно «синтетическую» речь, то произносимые им слова не должны быть словами, предварительно сказанными человеком и затем введенными в память компьютера. Наиболее уместна здесь аналогия с «магнитофоном», роль ленты в котором выполняет цифровая или электронная память. Действительно, если слова или фразы, которые произносит компьютер, были предварительно «наговорены» человеком (лично вами или кем-то на предприятии, изготовившем интегральные схемы), то в таком случае речь компьютера следует считать восстановленной. В речевом «тахометре» представлены два метода получения восстановленной речи: метод непосредственного кодирования сигналов и метод ЛПК-син- теза. Эти методы существенно различаются по способам реализации, по в обоих из них обычно требуется предварительно наговоренный словарь, который в дальнейшем используется при восстановлепии речи. Таким образом, единственным методом получения действительно синтезированной речи оказывается метод фонетического синтеза.
Разумеется, сиптезпрованная при этом речь по своему звучанию менее похожа на речь человека, чем в двух других случаях. По существу, на современном уровне развития техники речь, прнемлемую для нашего слуха, дают только методы с восстановлением речи. Настоящая же «спптетическая» речь фонемного синтезатора по своему звучанию неестественна. Другими словами, если вы хотите иметь действительно синтетическую речь, то должны быть готовы к тому, что речь вашего компьютера будет звучать «механически». Если же вы предпочтете использовать один пз методов восстановления ренн, то зву^анне вашей системы будет приятным для слуха и близким к нормальному произношению человека. “
Второй критерий, определяющий искусственность речи, связан с основной теоремой из области сбора информации —теоремой выборок пли отсчетов. Много лет назад Гснрп Найквист пз научно-лсследовательской фирмы «Белл телефон лабораторпс» установил, чт0 для адекватной выборки л запоминания типичного аналогового сигнала частота выборок должна по меньшей
мере вдвое превышать ваивысгпую частотную компоненту в обрабатываемом сигнале 丄.Эту теорему можно проиллюстрировать следующилг примером. Если ну?кно делать выборки речевого сигнала, наивысшие частотные компоненты которого имеют частоту около 4 кГц, то частота выборок должна быть не менее 8 кГц. Кроме того, если мы хотим получить сравнительно понятную восстановленную речь, при каждой выборке ну;кно запоминать амплитуду колебаний, что потребует по меш» шей мере 4 бит.
Таким образом, умножив 4 бит на частоту выборок 8 кГц, мы получим битовую частоту выборок, равную приблизительно 32 000 бпт/с. Поскольку обычно речь отличается некоторой избыточностью (информации) л минимально вразулгительпую речь можно получить, когда частоты наивысших частотных компонентов речи составляют лишь 2 кГц, ми/ктшй предел битовой частоты выборок дол;кен составлять 16 000 бит, что п показано на диаграмме《тахометра» речи (рис. 6.1). Если же пн какими-то средствами восстанавливаем речь такого ;ке качества при частотах выборки ни7ке расчетного значения (16 000 бит/с), то иолу"ас*Е речь, которая перед этим пе дискретизировалась. Отсюда второе возможное оцределенпе искусственной речи, согласно которому методы фонетического и ЛШ<-син- теза дают действительно искусственную речь. По су- ществу, любую систему речевого вывода, работающую со скоростью менее 16 000 бпт/с, можпо считать создающей искусственную речь. Но независимо от принятой терминологии каждый из названных методов синтеза речи со всеми присущими ему достопяствами п недостатками предназначен для получения речевого вывода ин巾ормагцш из коАШыотера. С этих позиций приведен- ™е вь/ше доводы становятся несуществегшыли. Целесообразно выбрать тот из методов, который больше подходит для данного компьютера и лучше соответствует возможностям! пользователя. Рассмотрим теперь более подробпо способы реализации каждого из трех основных методов синтеза речи.
丄 В отечественной литерат^фе данный критерий известен как теорема Котельникова.— Пр им. рад.
Метод непосредственного кодирования-восстановления
Этот простейший метод генерации речи более других по хож на цифровую запись. Выше мы ввели понятие выборки аналоговых сигналов с целью последующего восстановления речи. Правильное представление о механизме выборки очень важно для понимания методов кодирования-восстановления речи. Чтобы пояснить, как происходит выборка аналоговых сигналов, приве- дем такой пример. Рассмотрим выборку визуального (зрительного) сигнала. Здесь все происходит так же, как и в cnyqae звукового аналогового сигнала, с той лишь разницей, что теперь мы имеем дело с визуальным сигналом.
Прежде всего выберем《сцену», на которой развертываются действия,——скажем, экран телевизора или проходящую поблизости скоростную магистраль с мчащимися по вей автомобилями. Теперь посмотрите на эту сцену и закройте глаза. Если далее вы будете быстро (с частотой примерно раз в секунду, т. е. 1 Гц) открывать 卩 закрывать глаза, подобно тому как это делает обтюратор кинокамеры, то без труда сможете наблюдать за происходящим на сцене. Продолжайте зштать, открывая глаза па несколько секунд, п вы убедитесь, что вам действительно ^^дается следить за событиями, протекающими перед вашим взором. То, что вы делали, соответствует визуальной выборке движения (аналогового сигнала). Если же какое-то действие произойдет «мгновенно» ——пока глаза были закрыты, хотя лгигание происходит с частотой 1 Гц,— то вы этого просто не заметите. Уменьшим теперь частоту миганпя примерно до одного раза в десять секунд, т. е., закрыв глаза, вы считаете до 10, затем на мгновение открываете пх и снова закрываете на 10 с и т. д. Повторив этот опыт в течение одной-двух минут, вы поймете, что теперь вам не сдается пронаблюдать всю последовательность собы-
тип, происходящих на «сцене». По существу, вы уменьшили чистоту выборки ниже предельной величины, определяемой критерием Найквиста, соблюдение которого необходимо для адекватного наблюдения и описания аналогового сигнала. При м и гании с более высокой частотой у вас не должно возникать никаких трудностей при наблюдении за сценой и описании происходящих на ней действий. Рассмотренный п piwep полностью аналогичен процессу выборки слышимой речи, с тем лишь исключением, что в нашем примере выборка ироизводит- ся визуальным путем, а в случае речи — электронным. Различие между этийш двумя случаями очень мало. В процессе преобразования звуков речи микрофоном генерируется электрический сигнал, который содержит как медленно, так и весьма быстро меняющиеся койшо- ненты. Если бы мы стали делать выборки из этого сигнала с отноептелыю низкой частотой, то самое большое, что нам удалось бы установить,— это то, что в сигнале действительно существуют медленно лгеплющиеся компоненты. Бистро меняющиеся компоненты сигнала ускользнули бы от пас при таком методе исследования. Если же мы начнем осуществлять выборку электрических сигналов микрофона со все возрастающей частотой, то будем обнаруживать все более высокочастотные компоненты сигнала. В целях иллюстрации на рис. 6.2 сравниваются выборки, осуществляемые с разными частотами.
На самом верхнем графике рисунка показан аналоговый сигнал, из которого должны быть получены выборки. По своему виду он весьма похоже па сложные ко- лебанпя, с которыми приходится иметь дело при обработке речи. Нетрудно заметить, что в составе этого сигнала имеются как медленно, так и быстро меняющиеся составляющие. Пользуясь терминами спектрального анализа, мо;кно сказать, что медленно меняющиеся составляющие представляют собой низкочастотные компоненты, а быстро меняющиеся (центральная часть графика) — более высокочастотные компоненты. Если из этого сигнала, общая длительность которого равна 5 мс, производить выборку с частотой одна выборка в миллисекунду, то мы получим ам плШ' уди о -моду л иро- вапный импульсный сигнал (рис. 6.2, а), который дает сравнительно мало пнфорлтацли об исходном колебании. Если попытаться восстановить форму первоначального
01234 s
Врема? 々С
Рис. 6.2, Увр.чпчеиир частоты выборки сигнала.
88888989сигнала по этим пяти импульсам, то это позволит нам с зудить лишь о самых низкочастотных кояпояентах. Удвоив частоту выборок, мы по口уа【ш сигнал (рпс. 6.2, 6), который мает несколько больше ппформациц об исходном сигнале. Еще м епде удваивая частоту выборок (рпс. 6.2, 6, а), мы попучим амплптудно-модулирован* ные пмп^^лъспые сигналы, более точно воспроизводящие исходный свгпал. Процесс с удвоениелг частоты выборкп
88
88
89
89
можно проводить многократно — до тех пор, пока полученная форма сигнала не станет настолько точно соответствовать исходному колебанию, qto дальнейшее повышение частоты выборки ничего более не добавит к ней. Поскольку наивысшая частотная составляющая в исходном (входном аналоговом) сигнале умещается во временном интервале несколько менее 0,5 мс, для адекватной характеристики сигнала мы должны, согласно теореме Найквиста, производить выборки с частотой четыре раза в миллисекунду. Этот случай представлен на рис. 6.2, в. В самом деле, показанный здесь сигнал содержит в себе большую таста высокочастотных выбросов исходного сигнала. Для большей точности воспроизведения сигнала частоту выборок можно еще удвоить, доведя до восьми раз в миллисекунду (рис. 6.2, 2). В этом случае первоначальный сигнал отобра-
вьгборкп речевого сигнала.вьгборкп речевого сигнала.Рис. 6.3. СистемаРис. 6.3. Система
вьгборкп речевого сигнала.
вьгборкп речевого сигнала.
Рис. 6.3. Система
Рис. 6.3. Система
Это нужно, чтобы не допустить проникновения посто-' ронпих сигналов, возникающих, когда выборка производится па частоте, менее чем в два раза превышающей частоты сигнала (вспомните теорему Найквиста). Затем сигнал подается на усилитель, где его уровень повышается настолько, чтобы стало возможным подать его па вход собственно схемы выборки. Здесь-то и выполняется процесс выборки, проанализированный на рнс. 6.2. На выходе схелты выборки получается последовательность импульсов, промодулированных по амплитуде в соответствии с величиной аналогового сигнала
у?—4Вьюорки. речи
В
1Да45 6Т?1234567611Ц Sf 7!
90909191
90
90
91
91
жается амплитудно-модулировапным импульсным сигналом почти без искажения.
Процесс выборки аналогового сигнала, как было показано, дает нам последовательность импульсов, высота которых соответствует амплитуде сигнала в момент выборки, а длительность ——ширине импульсов выборки. Информацию такого вида весьма трудно вводить в память компьютера. Для этого нужно сначала преобразовать изменения амплитуды импульсов к цифровому виду. Блок-схема, показанная на рис. 6.3, иллюстрирует, как это можно сделать.
В системе выборки (дискретизации) речи, представленной па рис. 6.3, сигналы речи, поступающие с микрофона, прежде всего пропускаются через фильтр нижних частот, что позволяет удалить из них составляющие с частотой, превышающей половину частоты выборки.
Рпс. 6.4. Преобразование амплптудно-модз'лпрованпого сигнала в импульсво-кодовып.
в каждый пз мопептов выборки. Наконец, последний блок системы представляет собой аналого-цифровой преобразователь (АЦП). Заметим, что этот блок имеет одну входную линию, на которую поступают выборки аналогового сигнала, и восемь выходных линий. Существуют и более сложные АЦП с 16 или 18 битами (разрядами) на выходе; однако мы огранпчимся величиной выходного сигнала 8 бит. Этот 8-битовый выходной сигнал АЦП используется для ввода данных в компьютер. В АЦП аналоговый входной епгнал преобразуется в цифровую форму и в виде сигнала пмп\тльсно-кодовой
модуляции (ИКМ) поступает с выхода АЦП в память компьютера.
Чтобы проиллюстрировать процесс импульсно-кодо- зои модуляции, на рис. 6.4 показаны оолее детально формы сигналов, обозначенных и а рис. 6.3 буквами л, ^ и С. Мы рассмотрели, как осуществляется преобразование аналогового речевого сигнала в форму, пригодную для ввода в память компьютера. При этом сначала производится выборка, а лишь затем преобразование аналогового сигнала в ИКМ-сигнал. Важная особенность сигнала С, представленного па рис. 6.4, состоит в том, что импульсы этой последовательности постоянны по амплитуде и, следовательно, пригодны для ввода в память компьютера. Каждый из 8 бит ИКМ-сигнала речи может подаваться на последовательный вход компьютера для записи в его память. Вместе с тем эти 8 параллельных бит могут передаваться через параллельный вход компьютера и записываться непосредственно байт за байтом. Данные, поступпвилю на вход компьютера, вводятся в его память в виде цифровой записи амплитуд исходного речевого сигнала. Речевой информацией, хранящейся в памяти, можно манипулировать, используя для более плотного размещения информации программные средства. Подобные манипуляции, которые будут рассмотрены ниже, позволяют снизить требования, предъявляелтые к пяйгяти.
Итак, мы знаем, как осуществляются выборка п запись аналоговой речи в память нашего компьютера. Теперь можно попытаться создать очень простой синтезатор речи с непосредственным кодированием. Примерная схема такого синтезатора приведена на рис. 6.5. В верхней части рисунка мы видим уже знакомую нам цепочку блоков, осуществляющих выборку речевого сигнала после микрофона (см. рис. 6.4). При частоте выборки 6 кГц эта схема дает на выходе 6000 8-битовых байтов в секунду. Ранее мы отметили, что для произнесения слова hello требуется примерно 0,3 с. При частоте выборки 6000 Гц число выборок для этого слова составит около 2000 байт. Сюда следует также включить короткие паузы в начале и в конце слова. Прямоугольник (обведен штриховой линией) в центре рис. 6.5 ——это компьютер с 8-битовым параллельным портом ввода и 8-битовым параллельным портом вывода. Оба порта, конечно, могут быть реализованы в виде одного, и тогда
HELLOHELLOФильтр I нижних частот г* 乙?*Q丿Усилитель ^-200•АCzexa Ьыборки (6 кГц)*8-6"用05b市 а на лого- цифровой преобразователь8Фильтр I нижних частот г* 乙?*Q丿Усилитель ^-200•АCzexa Ьыборки (6 кГц)*8-6"用05b市 а на лого- цифровой преобразователь8Минрод)анМинрод)анДанныеДанныеW25040；■j02604021027口曲且W2S0404102904053068(Ж3069叱FD3070307108吁I。期I3^31 мтW25040；■j02604021027口曲且W2S0404102904053068(Ж3069叱FD3070307108吁I。期I3^31 мт8~бито- вьш 〃〃一 раллель • ный Вз:од8~бито- вьш 〃〃一 раллель • ный Вз:одЛеся - ["ест咸е ПШ 'fllblil тсричнь 'шЛеся - ["ест咸е ПШ 'fllblil тсричнь 'ш0 0)011000 0)011000—00011 осмо g 7Т7 10 011 ~o"dd0—00011 осмо g 7Т7 10 011 ~o"ddО О 0 ' О D G 1С О О 0 10 0 0О О 0 ' О D G 1С О О 0 10 0 0о о о О о о с о о О 0 0 о i 0 1о о о О о о с о о О 0 0 о i 0 1Коипализо- Ком佻Q!礴 о.анныеIОиннь0 В Программах ) Сепия 0.19—!глКоипализо- Ком佻Q!礴 о.анныеIОиннь0 В Программах ) Сепия 0.19—!гл3,91,383,91,38О 1 2 С С 1 1 ?'!2,76О 1 2 С С 1 1 ?'!2,760,670,670 Q е О 0 i ； С I 0,120 Q е О 0 i ； С I 0,12\8-6umo- 物парая- \л?льн^йj 6з:хсЗ\8-6umo- 物парая- \л?льн^йj 6з:хсЗ88о ?о ?О О D о о о о о D О О О G О С ОО О D о о о о о D О О О G О С ОРис. 6.5. Упрощенная схема синтезатора речи с непосредствен- пым кодированием.Рис. 6.5. Упрощенная схема синтезатора речи с непосредствен- пым кодированием.речь воспроизводится через тот же самый двунаправленный порт, через который она быка сначала записана.
HELLO
HELLO
Фильтр I нижних частот г* 乙?*Q丿
Усилитель ^-200
•А
Czexa Ьыборки (6 кГц)
*
8-6"用05b市 а на лого- цифровой преобразователь
8
Фильтр I нижних частот г* 乙?*Q丿
Усилитель ^-200
•А
Czexa Ьыборки (6 кГц)
*
8-6"用05b市 а на лого- цифровой преобразователь
8
Минрод)ан
Минрод)ан
Данные
Данные
W25
040；
■j026
0402
1027
口曲
且
W2S
0404
1029
0405
3068
(Ж
3069
叱FD
3070
3071
08吁
I
。期
I
3^3
1 мт
W25
040；
■j026
0402
1027
口曲
且
W2S
0404
1029
0405
3068
(Ж
3069
叱FD
3070
3071
08吁
I
。期
I
3^3
1 мт
8~бито- вьш 〃〃一 раллель • ный Вз:од
8~бито- вьш 〃〃一 раллель • ный Вз:од
Леся - ["ест咸е ПШ 'fllblil тсричнь 'ш
Леся - ["ест咸е ПШ 'fllblil тсричнь 'ш
0 0)01100
0 0)01100
0—00011 осмо g 7Т7 10 011 ~o"dd
0—00011 осмо g 7Т7 10 011 ~o"dd
О О 0 ' О D G 1
С О О 0 10 0 0
О О 0 ' О D G 1
С О О 0 10 0 0
о о о О о о с о о О 0 0 о i 0 1
о о о О о о с о о О 0 0 о i 0 1
Коипализо- Ком佻Q!礴 о.анныеI
Оиннь0 В Программах
) Сепия 0.19—!
гл
Коипализо- Ком佻Q!礴 о.анныеI
Оиннь0 В Программах
) Сепия 0.19—!
гл
3,9
1,38
3,9
1,38
О 1 2 С С 1 1 ?'!2,76
О 1 2 С С 1 1 ?'!2,76
0,67
0,67
0 Q е О 0 i ； С I 0,12
0 Q е О 0 i ； С I 0,12
\8-6umo- 物парая- \л?льн^й
j 6з:хсЗ
\8-6umo- 物парая- \л?льн^й
j 6з:хсЗ
8
8
о ?
о ?
О О D о о о о о D О О О G О С О
О О D о о о о о D О О О G О С О
Рис. 6.5. Упрощенная схема синтезатора речи с непосредствен- пым кодированием.
Рис. 6.5. Упрощенная схема синтезатора речи с непосредствен- пым кодированием.
В процессе сбора данных компьютером его резидентная програАша переносит информацию из 8-разрядного АЦП 11 последовательно записывает ее в память. После произнесения слова процесс выборки заканчивается, а в памяти оказывается записанным цифровое представление слова hello. Как видно из рисунка, эта информация
занимает адресное пространство от ячейки 1024 до примерно 3073. В данном случае информация представлена в двоичном коде при полном диапазоне изменений напряжения ±5 В. Колонка «нормализованные данные» содержит величины напряжений, эквивалентных записанным входным сигналам. Эта нормализованная информация в вольтах не имеет существенного значения для компьютера и показана здесь только для того, чтобы проиллюстрировать эквивалентность аналого-цифрового процесса выборки. В этой точке схемы синтезатора речи мы располагаем записанной в цифровом виде речью, и эту запись можно сохранять на диске или кассете для последующего воспроизведения.
Воспроизводящая часть схемы синтезатора представлена внизу рис. 6.5. Программа воспроизведения речи, хранимая в памяти компьютера,— это простая индексирующая программа, которая последовательными шагами просматривает записанную ранее информацию и выводит ее побайтно на 8~разрядный цифро-аналоговый преобразователь (ЦАП). Если ЦАП совместим с входным АЦП, то нормализация данных и их преобразование в напряжения не вызывает беспокойства. Преобразователи следят друг за другом и дают на выходе тот же самый сигнал напряжения, какой был подвергнут выборке на входе. Фактически это означает, что если у обоих преобразователей напряжения полный размах по напряжению составляет 土5 В, то выходной сигнал будет в точности соответствовать сигналу, поступившему на вход синтезатора.
Выход 8-разрядиого ЦАП подсоединен к фильтру нижних частот (3 кГц), который отфильтровывает нежелательные высокочастотные компоненты, возникающие при восстановлении сигнала. На рис. 6.2, е /ш соответствуют прямоугольные верхушки импульсов. Затем выходной сигнал фильтра усиливается усилителем мощности и поступает на громкоговоритель. Речь, которую мы услышим из громкоговорителя, должна в точности повторять исходный речевой сигнал на входе синтезатора, за исключением небольших потерь в высокочастотной части спектра речевого сигнала, вызванных фильтров!нижних частот. Иначе говоря, полученная речь по своему звучанию соответствует голосу говорящего и имеет такие же модуляцию и тональность, как и входной речевой сигнал.
В схеме синтезатора речи (рис. 6.5) не отражены лишь способ запоминания речи, используемый в компьютере при приеме сигнала, и программа воспроизведения в процессе синтеза речи. Вследствие довольно высокой частоты выборки (6 кГц) у компьютера остается примерно 17 мкс для приема и записи в память каждого байта информации. Такое требование к быстродействию компьютера исключает возможность применения программ записи и воспроизведения речи, составленных на языке Бейсик или каком-либо другом языке высокого уровня. Поэтому приелмем лишь один способ записи и
Рпс. 6.6. Структурная схема возможно!! nporpamibi записи речи.Рпс. 6.6. Структурная схема возможно!! nporpamibi записи речи.Рис. 6.7. Структурная схема возможно]! программы БОСПрО- изведения речи.Рис. 6.7. Структурная схема возможно]! программы БОСПрО- изведения речи.
Рпс. 6.6. Структурная схема возможно!! nporpamibi записи речи.
Рпс. 6.6. Структурная схема возможно!! nporpamibi записи речи.
Рис. 6.7. Структурная схема возможно]! программы БОСПрО- изведения речи.
Рис. 6.7. Структурная схема возможно]! программы БОСПрО- изведения речи.
воспроизведения спитезированноИ речи ——программы, составленные на ассемблере. Насколько прост процесс кодирования речи, показывает блок-схема одной пз возможных программ записи речи, приведенная на рпс. 6.6. После того как речь введена в память, можно запускать программу воспроизведения первоначально закодированной речи. Простоту этой программы иллюстрирует рпс. 6.7, где дана блок-схема программа на но
семблере, являющаяся обратной по отношению к блок- схеме рис. 6.6. Единственное важное сходство между этими двумя программами состоит в том, что программа вывода речи имеет ту 出е самую эквивалентную частоту выборки, что и программа ввода. Другими словами, если выборка входного сигнала производится со скоростью 6000 раз в секундJ\ то, естественно, желательно, чтобы закодированная информация поступала па ЦАП также со скоростью 6000 раз в секунду. Если эти скорости различны, то звучание речи на выходе синтезатора будет отличаться от исходного ——подобный эффект полу- чается, если пластинку, записанную со скоростью вращения 45 об/шш, проигрывать со скоростью вращения 33% об/мин или наоборот.
Заменяя последний блок на рис. 6.7 таким, который будет уменьшать или увеличивать время задержки, можно получить на выходе компьютера довольно необычные звуковые эффекты. Если вообще исключить этот блок, то цикл выполнения программы займет менее 17 мкс и по своему звучанию речь на выходе будет напоминать механический голос Буратино. А если задержку в данном блоке сделать больше 17 мкс, то речь станет похожей на ворчание. При таком экспериментировании с блоком задержки фактически происходит сжатие и растяжение во времени поступающей и а вход речи. При этом создается впечатление, что нормальный голос стал звуаатв быстрее или медленнее, сохраняя при этом все первоначально содержавшиеся в нем частоты. В действительности ;ке, увеинднвая время задержки воспроизведения с 17 до 34 мкс, мы вдвое понижаем все частотные составляющие голоса по сравнению с их исходными значениями. Поэтому, если при испытаятти такого простого синтезатора с кодированием 且 восстановлением речи подмечается речь искаженной тональности, то следует обратиться к блоку задержки (рис. 6.7) и, изменяя задержку, добиться правильного звучания. Запись и воспроизведение речи и других звуков с помощью этой простой системы доставит вам немало удовольствия. При творческом подходе можно попытаться объединить программу речевого вывода с игровыми и другими программами, заппсаиными на языке Бейсик (напомнив, однако, что программа воспроизведепия речи должна быть записана на ассемблере).
Дельта-модуляция
Рассмотренный нами пример преобразования речи в цифровой код с последующим декодированием — отнюдь не единственный возможный способ реализации данного метода синтеза речи. На практике используются другие способы, позволяющие более эффективно преобразовывать речь в цифровой код и хранить сигналы. Один из таких способов, получивший довольно широкое распространение в телефонии и в некоторых из существующих микросхем синтезаторов, называется дельта- модуляцией. Главное отличие этого способа от описан
ного ранее (см. рис. 6.5) заключается в том, что он основан на относительных изменениях а^литуды, а не на ее абсолютных величинах. Чтобы пояснить способ дельта-модуляцип, обратимся снова к уже использованной аналогии, иллюстрирующей процесс выборки на примере визуальных сигналов наблюдения за автомобилем, движущимся по дороге. Пользуясь рассмотренным ранее методом параллельного кодпрованпя, мы можем описать движение автомобиля из пункта Л в пункт В следующим образом (по выборкам):
Автомобильнаходитсяв10。мотпунктаЛ.
Автомобильнаходитсяв200 мотпунктаА.
Автомобильнаходитсяв3U0 мотпунктаЛ.
Автомобильнаходитсяв400 м отпункта Л.
Автомобиль находится в 500 м от пункта А и т. д.
96964 n 9注，4 n 9注，9797Таким образом, в любой момент мы можем сказать, где находится автомобиль относительно начальной точки его движения. Этот способ отсчета абсолютных зна- чонпп меняющейся величины показан на рис. 6.8. Если попытаться теперь представить двпженпе автомобиля
96
96
4 n 9注，
4 n 9注，
97
97
ВО времени в виде аналогового сигнала, то для точности аналогии достаточно заменить в отсчетах метры на вольты.
Посмотрим теперь, как меняется процесс взятия выборок при использовании дельта-модуляции, когда мы интересуемся лишь относительными изменениями, получаемыми в каждой конкретной выборке по сравнению с предыдущей. Следуя такому подходу, мы теряем информацию об абсолютных величинах сигнала при каждой выборке, но при последовательных выборках это не имеет значения. Исключая же избыточную информацию, мм увеличиваем возможности хранения информа
ции о наблюдаемом аналоговом сигнале. При исполь- зованпп дельта-модуляции движение автомобиля мож
но представить следующими отсчетами:
Автомобиль прошел 100 м от пункта Л.
Автомобиль прошел 100 м от точки
выборки.
Автомобиль прошел выборки.
Автомобиль прошел выборки.
Автомобиль прошел выборки и т. д.
Если бы мы захотели
предыдущей предыдущей предыдущей предн^угце 立предыдущей предыдущей предыдущей предн^угце 立100 м от точки100 м от точки100 м от точки100 м от точки100 м от точки100 м от точкипродолжить наблюдение запродолжить наблюдение заавтомобилем на протяжении сотеп километров, то при первом способе отсчета (рис. 6.8) нам пришлось бы хранить в памяти числа, скажем, до 150 000 м и более. Каждый из отсчетов (выборок) давал бы нам точное значение расстояния, на которое автомобиль удалился от пункта Л. Но с каждой выборкой величина,
предыдущей предыдущей предыдущей предн^угце 立
предыдущей предыдущей предыдущей предн^угце 立
100 м от точки
100 м от точки
100 м от точки
100 м от точки
100 м от точки
100 м от точки
продолжить наблюдение за
продолжить наблюдение за
которую приходится хранить в памяти, возрастает. А как видно из рис. 6.9, при ко/1,11ровашги с дельта-мо-
дуляциеи то же самое перемещение автомобиля описывается через разности (дельта) расстояний между каждыми соседними моментами выборок. Следовательно, даже при расстояниях в сотни километров наибольшее число, которое нужно хранить в памяти для описания поездки, составляет 100 м (отсчитываемые от точки последней выборки). Естественно, что для запоминания числа 100 в памяти требуется гораздо меньше места, чем для запоминания числа 150 000. Таким образом, на этом примере ясно, насколько должна увеличиваться
Минрофо^Минрофо^Рис. 6.10. Схема дсл1>та-мо；［улятсра.Рис. 6.10. Схема дсл1>та-мо；［улятсра.Сигнал J II LСигнал J II Lэффективность цифрового кодпрованпя н запоминания речи при пспользовашш дельта-люду.тяцли.
Минрофо^
Минрофо^
Рис. 6.10. Схема дсл1>та-мо；［улятсра.
Рис. 6.10. Схема дсл1>та-мо；［улятсра.
Сигнал J II L
Сигнал J II L
Описанный процесс дельта-модулянш! часто называют кодированием последовательных приращений, так как в нем кодируется лишь пзлюненпе сигнала лтежду соседшиш выборками. Но как с помощью электроники реализовать кодирование речевого сигнала, поступающего с мш<рофопа? Одна из г.озможных схем цифрового де; I ьта - модуп ятора представлена i：a рис. 6.10. Сигнал речп, принятый микрофоном, фильтруется и усиливается так же, как в предыдущих случаях. Затем сигнал подвергается дельта-молуляции; для этого псггользуется простая cxeva, состоящая из анл.чогового компаратора и контура обратной связи, содержащего ангиюговый интегратор, В контуре обратной связи пагр-
4*4*99
4*
4*
7- бито-Вый一5」выход
В рема
Plc 6.11. Сигналы при кодировании методом дельта-модуля- цип.
ется также триггер D-типа, сиих ро и из ующий дельта - компоненту сигнала (изменение наклона) с тактовой частотой аналого-цифрового преобразования. Сигналы, с которыми имеют дело при кодировании методом дельта-модуляции, показаны на рис. 6.11. Отметим, что входной сигнал (верхний график) представляет собой колебание, где участки нарастания и слада чередуются с участками относительного постоянства (стабильности) сигнала. Стробированные выходные сиги а-
ЛЫ триггера D-типа (рис. 6.10) представлены на рис. 6.11 графиками Л и 5 — это импульсы неизменной амплитуды 5В, которые поступают на интегратор, создавая на его выходе сигнал С. Изменения сигнала отсчитываются в каждый из периодов выборки Т (график 厶). Если входной сигнал продолжает нарастать, то о его увеличении свидетельствуют импульсы в точке Л схемы. Импульсы же в точке 5 указывают на уменьшение
g canHQgBzn"g canHQgBzn"一夕」Время
g canHQgBzn"
g canHQgBzn"
Рис. 6.12. Схема воспроизведения речи, закодированной методом дс.чьта- модуляции.
входного сигнала. В те интервалы времени, когда ве- гшчпна входного сигнала остается неизменной, дельта- модулятор начинает генерировать поочередно импульсы Л и В. Выходной сигнал в точке С — это результат срав' нения сигнала обратной связи с сигналом на входе интегратора. з
На ниячнем графике рпс. 6.11 показан цифровой сигнг! л, который эта схема подает и а компьютер. Этот “нухурсвневм苴 сигнал записывается в память ком-
пыотера с той ?хе самой частотой синхронизации, какая использовалась в схеме кодирования с дельта-модуля^ цией (рис. 6.10). „
При кодировании с дельта-модуляциеи для получе^ ния адекватного воспроизведения речи достаточно длже еще более простой схемы. На рис. 6.12 показан про* CTOg интегратор, весьма похожий на тот, что использовался в схеме кодирования. На вход Е интегратора от компьютера поступает двухуровневый логический сигнал, следующий с частотой, равной частоте выбо- рок. Постоянную времени интегратора RCT выбирают так, чтобы' она соответствовала продолжительно^ ст интегрирования в схеме выборок. Если па вход схемы воспроизведения речи поступает логическая единица, то интегратор дает кривую постоянного наклона одного знака. Когда же на вход поступает логический нуль, наклон кривой выходного напряжения интегратора меняет знак. В результате получается сигнал такого типа, как показано на графике F. Этот сигнал есть не что иное, как воспроизведение исходного входного сигнала, закодированного с использованием дельта-модуляции.
Как видим, полл^чепная форма сигнала довольно хорошо соответствует исходной, отличаясь лишь небольшими искажениями. Степень искажений, создаваемых в процессе дельта-модуляции, обычно определяется одним пз видов искажений при кодировании —— так называемой перегрузкой по крутизне. Если крутизна входного сигнала меняется быстрее, чем могут проследить интеграторы, то выходной сигнал просто «не успевает» за изменениями входного. Эту типичную для процесса линейной дельта-модуляции трудность можно преодолеть, примецпв некую модификацию этого вида модуляции, называемую адаптивной импульсно- кодовой дельта-модуляцией. Этот модифицироваиный метод использован в некоторых микросхемах синтезаторов речи, в том числе в системе синтеза речи Дпджи- токер фирмы «Нэшнл семикондактор».
Система на основе адаптивной импульсно-кодовой дельта-модуляции (АИКДМ) весьма сходна с аналогичной линейной спстедюй; единственное различие между ними заключается в том, что система АИКДМ хранит в своей памяти не только направление изменения кру- тнзшм с комеита последней выборки, но п в сличив у
этого измснепия с того же момента. Это позволяет сохранить все преимущества предыдущей системы и одновременно исключить проблему перегрузки по крутизне. Проще говоря, вместо использования единственпого бита, указывающего, является ли сигнал нарастающим или спадающим, можно брать четыре бита, которые будут характеризовать как нарастающий, так и спадаю- upiii сигнал одним из восьми возможных уровней в зависимости от конкретных условий изменения. Это паст возможность более точно описывать изменение сигнала между выборками, а также снимает проблему перегрузки по крутизне, с которой приходится сталкиваться при линейной дельта-модуляции.
Помимо описанных используются и другие методы синтеза речи путем кодирования сигнала; однако созданные на их основе системы по существу представляют собой лишь модификации описанных. Синтез речи по методу кодирования-восстановления речевого сигнала считается одним из простейших по способам реа- лизацЕШ； он несложен также и для поппмаипя. Как уже указывалось, этот метод сходен с цифровой записью. Способы запоминания речи могут быть, однако, различными, как было показано при рассмотрении «тахометра» речи; чтобы добиться высокой точности воспроизведения речи, необходима очень большая скорость выборки.
Из всех методов цифрового кодпровапия речевого сигнала наиболее эффективен метод АИКДМ. Представляя изменения входного сигнала от выборки к выборке значениями его наклона п амплитуды, удает* ся сократить число необходимых битов памяти по каждой выборке. А как известно, основная проблема при разработке синтезаторов речи сводится к тому, как сократить объем памяти, необходимый для хранения одной произнесенной фразы.
Принципиально пноп метод синтеза речи воплощен в синтезаторе с фонемным возбу;кденпем, в котором используется синтез формантных частот. Внимательно познакомившись с действием этой спстежт, пн обнаружим значптельпые различия в названных методах электронного синтеза речи.
Аналоговый синтез формантных частот речи
Описанный метод кодироваиия'восстановлепия речевого сигнала можно назвать «фотографированием» речи. В то же время синтез речи по методу аналоговых формант, или формантных частот, лучше характеризовать как живописное изображение того ?ке речевого рисуп- ка. Кодированный речевой сигнал должен существовать еще до того； как его произнес синтезатор, точно так же, как сами по себе существуют в природе пейзаж или предметы, которые мы хотим сфотографировать, В отличие от этого метод синтеза формантных частот представляет собой способ выражения той же речи искусственным путем, аналогично тому, как художник рисует наблюдаемую картину. Особенности каждого из этих двух методов синтеза речи в значительной мере совпадают с особенностями соответствующего изобразительного средства: фотография дает точное воспроизведение оригинала, тогда как живописное полотно, хотя и достаточно близко к оригиналу, никогда не совпадает с ним точно. Однако в зависимости от поставленной цели каждый из методов с известным прпблил^енпем описывает исходную обстановку илв речь.
Существует много методов реализации формантного синтеза речи. Но основные функп,попальные операции для генерации речи при разных способах формантного синтеза в принципе одинаковы. Все они основываготся на детальном знании фонем и фонетическом расчленении речи (см. гл. 3). Позиакомивпшсъ немного подробнее с количествештыми характеристиками фонетической Р^чи, Mbi елгожем аалох;кть основы для понгшаштя сущ- ност口 формантного метода синтеза речи. Обратившись к описаниям спектрограмм речи, показаниъш па рис. 2.10 и 2.11 (гл. 2), вспомним, что темные частотные по- носи визуализированной речи называются формапт- пьтми частотами. Тот факт, что у нас имеется возможность визуальны ми н злектреннннмн способалш распозиа- вать в человеческой речи эти меняющиеся частоты, поз-
Таблица 6.2. Типичаые формантные частоты для гласных звуков
Фонема
Как в слове
艮
吃
%
се
feet
250
2300
3000
hid
375
2150
2800
ch
head
550
2600
ае
had
700
1800
2550
；ih
tot
775
1100
2500
aw
talk
575
900
2450
и
took
425
1000
2400
ОО
tool
275
850
2400
воляет сформулировать метод синтеза искусственной речи, основанный на одновременной генерации необходимого числа формантных частот.
Если теперь посмотреть на табл. 6.2 и вспомнить приведенное в гл. 3 описание фонем гласных звуков, то мы обнаружим в этой таблице фонемы некоторых знакомых нам звуков, по здесь они охарактеризованы более подробно. Для каждого звука в таблице даны три основные формантные частоты, которые наблюдаются в спектрограммах соответствующих фонем, произносимых «средним» мужские голосом. Эти частоты, £, Ег и 尸3, можно различать визуально на спектрограмме каждой произносимой гласной. Поскольку каждая пз этих гласных является «статической», частоты остаются стабильными на протяженпи всего времени их произнесения. Теперь, призвав на помощь немного воображения, нетрудно представить электронную схему (рис. 6.13) с тремя парагмельнымп полосовыми фильтрами (п* средние частоты равны формантным частотам £〔，尸\, 歹з), которая возбуждается задающим генератором с выходным сигналом, аналогичным импульсу, формируемому в голосовой щелп. Как нп прости эта схема, опа может служить основой фонемного синтезатора гласных при 5тсловии, что фориактные частоты 尸卜 尸？ п 尸§ регулируются в пределах, указаниях в табл. 6.2.
Средняя частота каждого пз параллельных полосовых фильтров регулируется таким сЗразсм, чтобн в процессе речи синтезатора достигалось совпадение с зквн- валентными резонансами полостей рта п горла, Резупь-
тирующая речь, получаемая суммированием выходов зтнх трех фильтров, весьма близка к речи человека. В спектрограмме выходного сигнала этой схемы содержатся три формантные частоты, идентичные формантным частотам в спектрограмме речи человека, произнося- Щ9Р0 те же гл ясные. Если в схеме на рис. 6*'3 четыре ручки регулировки заменить компьютерным управлением высотой основного топа голоса и тремя формант-
Рис. 6.13, Вазовая схема формантного епптозатора рсчп.
иыми частотами, то можно программировать компьютер, который по нашпм командам будет произносить требуемые гласные. То, что лты оппсали, и есть основа системы синтеза речи по методу формаптлых частот.
Единственная трудность в создании такого синтезатора формантных частот связана теперь с тем, что его речевые способности строго ограшпетш — он может генерировать только гласные звуки. Хотя построенная таким образом схема весьма пптереспа, поскольку наглядно демонстрирует метод элоктрониов генерации фонетической речи, при работе с ней мы очень 6垃ст卩о исчерпаем весь запас слов п фраз, которые она способна произносить. Чтобы расширить диапазон возможностеп формантного синтезатора, необходимо ввести источник
%
Рис. 6.14. Полная схема формантного синтезатора речп.
шума для формирования фрикативных и взрывных согласных, а также аналог носовой резонансной полости, имитирующий носовые согласные. Блок-схема этого расширенного формантного синтезатора приведена на рис. 6.14.
Когда мы введем в новую схему синтезатора весь набор средств, необходимых для полного синтеза речи, она, конечно, усложнится по сравнению с предшеств}тю- Щей схемой, но не слишком сильно. Заметим, что вместо прежних четырех органов управления п регулиров-
106
1U7
КИ теперь стало девять. Три из них служат для управления амплитудами фрикативных, гласных и носовых звуков, один — для регулирования высоты тона, а пять остальных — для регулирования частот различных резонансов. Если построить систему, которая имела бы пять ручек управления на передней панели, и если бы ваши руки обладали исключительной подвижностью, то посредством этой системы вы могли бы воспроизводить речь, подобно тому как это делали творцы первых «говорящих» машин. К счастью, мы располагаем таким преимуществом, как возможность компьютеризации управления органами регулировки, так что компьютер окажет нам неоценимую помощь в генерации синтезированной речи. Заменив каждый из девяти регулировочных потеыциометров в схеме, изображенной на рис. 6.14, соединением с параллельным компьютерным портом, мы можем приступить к программированию синтезатора. Позже в процессе синтеза можно производить все необходимые регулировки со скоростью, которая требуется, чтобы добиться приемлемого приближения к нормальной речи человека.
Теперь предположим, что мы в состоянии надлежащим образом синтезировать изменения формантной частоты, необходимые для воспроизведения дифтонгов и «нестатических» фоием, путем перенастройки управления в полной схеме синтезатора с частотой 100 Гц; тогда, учитывая, что каждое управляющее слово состоит из 8-битового байта, мы можем управлять синтезатором при параллельной передаче управляющих слов со скоростью 900 байт/с. Но это еще пе скорость выдачи использл^емых нами фонем, а всего лишь скорость передачи данных в самом синтезаторе, необходимая для текущих регулировок фильтра, высотам голосового тона и амплитуд при воспроизведении каждой отдельной фонемы. Данная информация, как правило, хранится в специальной управляющей таблице в памяти компьютера отдельно для каждой фонемы и ее вариа- Ц^й — аллофонов. Она вызывается в виде последовательности, которая определяется входной последовательностью фонем в речевом выходе управляющей программы. Например, по каждой фоне^ю, которая вводит- сн в компьютер, компьютерное управление синтезатора может потребовать до 30 полных перенастроен си стерты фильтров. Это означает следующее: чтобы компьютер
выдавал схеме управления формантного синтезатора но 900 байт в секунду, в программу опроса справочной таблицы, которая управляет синтезатором, требуется вводить всего по 30 байт в секунду. Это соответствует тому, что выдача данных конечному пользователю производится со скоростью примерно 240 бит/с.
В то время как указанные выше значения скорости перенастройки фильтров могут меняться от системы к системе, зависимость между числом воспроизводимых фонем и размерами управляющей таблицы остается практически неизменной. Естественно, чем больше число обращений к справочной таблице по каждой фонеме, тем большей плавностью будет отличаться синтетиче- сг;ая речь и тем ближе она будет по звучанию к есте- стветшой артикуляции человеческой речи. Однако не с.юдуот надеяться, что речь подобной системы когда- нибудь бу^ст звучать так, что ее не отличишь от человеческой. В ее епптезпровашюй речи всегда прослушивается голос робота, что, согласно представлениям боль- [нннства людей,仃 хсакно быть характерно для компьютерной речи. Если вы захотите продемонстрировать номебную систему посторонним людям, то эффект будет весьма впечатляющим, но им, возможно, будет нелегко понять, что именно говорит система. Однако совершенно исключено, чтобы кто-нибудь мог принять спнтезпро- вншгую речь форлантного синтезатора с фонелгньш воз- бу>1<де1пюм за предварительно наговоренную пли вое- стаков/юлную речь. Выход подобной системы всегда будет компьютерной речью.
Теперь посмотршг, как компьютер пег бы управлять типичным формаптпыдг синтезатором речи с фонемным возбуждением. Одна из возможных схем \гправлепия та кой говорящей системы приведена на рис. 6.15. Слева на этой схеме изображен компьютер. Чтобы управлять такой системой, компьютер должен обладать следующими основными cpeдcтвa^гII：
Набором 8-битовых выходных портов для реализации различных функций управления.
Одним 8-6птовым входным портом, слу/кащим для уведомлеппя компьютера о готовности синтезатора к приему следующего кадра данных для текущей пере* настройки синтезатора.
Если проследить ход различных заправляющих линий, соединяющих па этой схеме различные блоки, то в
10Э
Управляющие линии (стрелка представляет
№ 4
Голосовая щель
1
Резонатор (ррина- тиВныз: согласных
8
Рис. 6.15 Схема формантного синтезатора речи с компьютер- иым управлением.
uhgd dbEDCaEHm 七石匸E'DEdQ6
HELM
них можно узнать те же сродства управления формантным синтезатором, которые представлены на схеме рис. 6.14. Сигналы занятости, поступающие по управляющим линиям (показаны в пигкпей части рис. ()Л5), сообщают компьютеру, что формантный синтезатор речи закончил произносить очередной кадр данных. Термин «кадр данных» выбран не случайно: он говорит
о том, что управление синтезатором через отдельные порты производится не в произвольном порядке. Напротив, компьютер обновляет управляющие данные на всех девяти параллельных портах одновременно в соответствии с подлежащей воспроизведению фонемой или ос частью, затем ожидает окончания произнесения этого кадра (типичное время ожидания составляет 33 мс), после чего возобновляет цикл перенастройки управления для завершения произнесения фонемы.
И а рис. 6.16 приведена функциональная блок-схема компьютерной программы для управления типичным формантным синтезатором. Если предположить, что синтезатор должен произнести слово hello, то программа в первую очередь должна расчленить вводимое слово па составляющие его фонемы. Ради простоты допустим, что в первом прибли/кении для произнесения слова hello нужно воспроизвести всего четыре фонемы: А, eh, 2 и о. Если попытаться произнести это слово с помощью такой цепочки фонем, то оно будет звучать очень грубо и, вполне возможно, на слух окажется недостаточно понятным. Большинство фонемных синтезаторов располагает возможностью воспроизведения такого разнообразия фонем и их аллофонов для генерации речи, что для более точного произнесения слова hello зюгут использовать сеиь-восемь фонемных звуков.
Подойдя далее к тон части блок-схемы программы, которая связана с процессом вывода речи, мы заметим, что компьютер обращается к управляющей таблице по каждой фонеме, которую необходимо произнести. Если фонема является «статической», то фонемная управляющая таблица (имеющая ширину 9 байт и длину, равную 30 кадрам обновляющей информации) может содержать один и тот же обновляющий кадр, который повторяется 30 раз. Фонемам «нестатического» типа, пли дифтонгам, будет соответствовать управляющая таблица, которая содержит набор меняющихся кадров обновляющейся информации, что связано с динамическими свойствами произносимого звука. Когда компьютер пол^^чает доступ к каждому из этих обновляющих кадров и выводит их на выходные порты, сопряженные с синтезатором речи, система начинает говорить. Ког* да же синтезатор речи завершает работу с очередным обновляющим кадром по произпоепмой фонеме, он сигнализирует компьютеру, что произнесение закон-
ш
Сшипезагпор pewСшипезагпор pewРис. 6.16. Елок-схема программы для управления формантным синтезатором речи.Рис. 6.16. Елок-схема программы для управления формантным синтезатором речи.
Сшипезагпор pew
Сшипезагпор pew
Рис. 6.16. Елок-схема программы для управления формантным синтезатором речи.
Рис. 6.16. Елок-схема программы для управления формантным синтезатором речи.
Завершив воспроизведение очередной фонемы, компьютерная программа переходит к следующей фонеме произносимого слова и повторяет описанный цикл. Процесс продолжается до тех пор, пока не будут произнесены все фонемы расчлененного слова. После этого система оказывается готовой к приему следующего слова из произносимой фразы.
На этом, собственно, и можно закончить описание синтезатора, работающего по методу синтеза формантных частот. Довольно просто, не так ли? Или все же весьма сложно? Если при изучении блок-схемы программы вас поставит в тупик блок «Найти управляющую таблицу для выбранной фонемы», то не особенно огорчайтесь. Изготовители подобных систем формантного синтеза достаточно предусмотрительны и поставляют говорящие периферийные устройства, снабженные фонемными управляющими таблицам и, которые являются резидентными средствами, т. е. размещены в постоянной памяти. В некоторых устройствах, например в фор* мантном синтезаторе Тайп'н ток1, функция расчленения на фопемы даже включена в состав речевой системы. Сказанное означает, что для правильного произнесения слова достаточно просто ввести его в систему. Все логические операции, заказанные на блок-схеме рис. 6.16, выполняются в самом периферийном устройстве для синтеза речи. Эта особенность характерна также и для ряда фонемных и аллофонных синтезаторов, построенных по принципу линейного предиктивного кодирования (ЛПК). которые описапы в след^-ющем разделе. Потоки информации в фонетическом ЛПК-спнте- заторе обычно имеют такой и<е вид, п его отличпе от аналогового формантного синтезатора состоит лишь в том, что здесь используются не аналоговые, а цифровые управляемые речевые фильтры.
Благодаря особенностям своей конс-трукцпп синтезаторы с фонемным и аллофонным возбуждением обла- л.ают способностью к воспропзведеншо неограниченного словаря. Поскольку спптезаторы этого типа произносят последовательности звуков, которые составляют естественную речь человекат все, что необходимо сделать, чтобы синтезатор воспроизвел слово,— это пра-
чено, после чего компьютер обращается к следующей по。 зиции управляющей таблицы, чтобы получить очередной обновляющий кадр для перенастройки синтезатора.
'((Тапп'н ток» — icpi овая марка отделения «Вотракс* компании 《"D”1cpа〃 с к [,ю уиркс».
вильно составить цепочку из образующих слово фонем. Число фонем, используемых в фонемных синтезаторах, различно в разных конструкциях. Некоторые довольно грубые синтезаторы обходятся всего 32 фонемами, тогда как в других в распоряжение пользователей, синтезирующих слова, предоставляются сотни фонем и аллофонов. Совершенно очевидно, что, чем большее разнообразие звуков речи доступно пользователю, тем лучше будут звучать составленные из фонем слова и выражения. Однако увеличение набора фонем повышает требования к скорости передачи данных для воспроизведения речи и необходимому 06rbeму памяти. Это также приводит к увеличению нагрузки па компьютер, если он должен производить расчленение слов на отдельные фонемы.
В приведенном примере слово hello произносилось как последовательность четырех фонем. Для артикуляции дифтонгов и отражения динамических изменений речи в ходе произнесения подобного слова высококачественному аллофонному синтезатору может потребоваться от десяти до пятнадцати звуков речи. Задача нахождения четырех основных звуков слова hello может оказаться довольно простой, однако попробуйте найти 14—15 аллофонов, необходимых для воспроизведения этого слова в более сложных системах! Подобная задача почти неразрешима для более длинных слов. Для получения окончательно отработанной речи придется провести несколько часов за клавиатурой, действуя методом проб и ошибок.
И наконец, последнее замечание относительно формантных синтезаторов речи с фонемным возбуждением. При большем числе доступных пользователю звуков речи лучшего звучания окончательно отработанной речи можно добиться, лишь затратив достаточно много времени на правильную сборку слов из фонем и аллофонов. Если вас удовлетворяет звучание слова, составленного из меньшего числа фонем, то в таком случае вам, по существу, не нужны сотни вариаций фонем. Добавляя к слову, составленному из основных фонем, дополнительные звуки речи, вы лишь делаете речевой вы- х。又 синтезатора более попятным все большему кругу нетренированных слушателей. Это не следует упускать из виду. '
Конечно, если вы решите приобрести систему
речевого синтеза с фонемным возбуждением, наделенную способностью преобразовывать текст в речь, то вам придется столкнуться с другим ограничением: вы будете связаны словарем, который заложен в таблицу расчлеиепия слов, встроенную в синтезатор. Естественно, можно воспроизводить слова, не входящие в эту таблицу, однако для этого придется самостоятельно заниматься фонетической композицией. Опыт показывает, что достаточно синтезатору, снабженному преобразователем текста в речь, произнести одно-два предложения, как система сталкивается со словом, которое она не способна правильно расчленить на фонемы,— тогда в синтезируемой речи появляются «марсианские» слова. Этот сбой даже нельзя отнести к недостаткам говорящей системы, ибо он скорее обусловлен чудовищной непоследовательностью правил, действующих в английской речи.
Метод аналогового синтеза формантных частот речи довольно специфичен. Ес.та прослушать речь синтезаторов других тппов и сравнить ее с речевым выходом синтезатора формантного типа, то их без труда можно различить. Звуки речи, генерирз^емые формантным синтезатором, отличаются значительной мягкостью и даже отдают некоторой слащавостью. Первые системы, в которых применялись аналоговые формантные фильтры, произносилп слова так, как говорит человек с набитым ртом.
По мере совершенствования динамического изменения управляющих параметров речь формантных синтезаторов становилась более разборчивой. Этот метод синтеза речи весьма перспективен, и его использование, безусловно, будет продолжаться. Главное препмуще- ство его — очень нпзкая скорость передачи данных, управляющих речевым выходом； подобная скорость характерна и для синтеза речи по методу Л ПК, о котором мы будем говорить в следующем разделе. Этп два метода синтеза речи обладают п другими сходными чертами. Знакомясь с методами синтеза речи на основе Л ПК н с тем, как цифровая фильтрация влпяет на конечный речевой выход, не забывайте о схеме, представленной на рис, 6.14,— она позволит обнаружить удп- вптелыюе сходство зтих методов.
Синтез речи по методу линейного предиктивного кодирования (ЛПК)
Линейное предиктивное кодирование речи ——один из наиболее стремительно развивающихся методов синтеза ре<ш. Вместе с тем этот метод наиболее труден для понимания. Причина состоит в том, «то регенерация речи при его использовании выполняется математически с использованием уравнений преобразования закодированной речи в спектры ее исходных частот. Однако существует определенное н большое сходство между этим методом и методом кодирования-восстановления речевого сигнала. Так, было бы очень трудно построить Л ПК-речь, начав с нуля. Как правило, генерация пара- метров для синтеза речи методом ЛПК производится человеком, который наговаривает ну》кш>те слова. Схо“~ ство здесь, по существу, так велико, что если мы подробно изучим механизм процесса кодирования и восстановления речи по методу ЛПК, то в скрытой форме об- наружпм в нем весь процесс кодирования речевого сигнала.
На рис. 6.17 показана упрощенная схема генерации речи по методу ЛПК. Слева на рисушго изображай! микрофон, после которого речевой сигнал, произнесенный человеком, пройдя через аналого-цифровой преобразователь, принимает вид выборок дискретизированной речи. В этой частп системы речевой сигнал представлен непосредственно в цифровом коде, и его можно хранить в памяти, а затем восстанавливать так, как было описано в предшествующих разделах, рассказывающих о восстановлении речи из за кодированного речевого сигнала. Однако если выборки речевого сигнала направляются в компьютер, который производит цифровой анализ речи с целью определения ее спектрального состава, то мы уже не располагаем последовательностью цифровых байтов, непосредственно соответствующей исходному речевому сигналу. Результирующие выходные кадры данных, поступающие из системы аиа-
116
лиза речи, дают нам такую информацию, как высота основного тона голоса, характеристики формантных частот, а также данные об амплитуде и интонации. Массив информации на выходе цифрового процессора речи, таким образом, весьма впечатляет своими размерами; однако, не располагая всеми этими сведениями, невозможно в конечном счете осуществить ЛПК-кодирова-
Рис. 6.17. Принцип линейного предиктивного кодирования.
ние. Блок «Линейное предиктпвное декодпрование», реализованный на базе компьютера для обработки речи, преобразует спектральный состав речи в ЛПК-парамет- ры. Основной принцип, положенный в основу линейного предиктивного кодирования, сводится к тешу, что поступающие выборки речевого сигнала могут рассматриваться как линейные комбинации прошлых выборок речевого сигнала. Такн\[ образолг, блок кодирования превращается в устройство краткосрочного прогнозп-
117
рования, т. е. своеобразного «предсказателя» доследующего речевого сигнала. Выход этого предсказателя управляет параметрами и определяет числовые коэффициенты, которые используются для линейной предиктивной генерации речи.
Параметры управления, формируемые в процессе линейного предиктивного кодирования, в обычном случае состоят из информации об амплитуде и высоте тона, которая сопровождается выдачей управляющего сигнала, указывающего, является ли звук звонким или глухим. Наиболее важными выходными данными в процессе ЛПК считаются коэффициенты для устройства прогнозирования — прещскториые коэффициенты, которые в конечном счете используются в процессе восстановления речи цифровым фильтром. Число подобных коэффициентов меняется в зависимости от частоты дискретизации ——частоты получения выборок и требуемого качества восстановленной речи. В современных коммерческих изделиях число предикторпых коэффициентов, как правило, равно 10—12.
Выходные данные с линейного предиктивного кодирующего устройства (кодера) имеют 巾орму цифровой информации, которая содержится в постоянном запо- минающем устройстве (ПЗУ) и служит для регенерации речи, формируемой системой ЛПК-синтеза. Далее в этом разделе мы рассмотрим типичный кадр ЛПК-дан- ных и расскажем, какую роль играют различные коэффициенты. После того как ЛПК-параметры записаны в ПЗУ синтезатора, можно приступать к синтезу речи, используя процесс линейного предиктивного декодирования. Соответствующие операции выполняются в блоках, которые иа рпс. 6.17 расположены справа. Иногда все эти блоки изготавливаются в виде одной интегральной схемы, что позволяет получать речь, синтезированную ЛПК-методом, при минимальном объеме необходи^гых электронных схем. Структура интегральной схемы ЛПК-спптеза, выпускаемой фирмой «Тексас инструменте» (этой компании первой удалось построить cxcxibi ЛПК-сиитеза речи в виде микросхемы), показана на рис. 6.18.
Эта схема синтезатора, отражающая особенности внутреннего устройства системы TMG-0281 (TMS 5100) фир^ы «Тексас инструменте», показывает, как прохода7 ппформациоипый поток в полноструктурной систе- 118
ме восстановления искусственной речи по методу ЛПК. На рисунке логический поток данных следует из верхнего правого угла в левый, затем вниз (через штриховую линию), после чего поступает на выход (в правом нижнем углу схемы). Информация выводится в форме аналогового речевого сигнала. Часть схемы, изображенная выше штриховой линии, относится к системам вдф- ровой обработки данных, которые приводят в действие механизм ЛПК-синтеза- Ниже штриховой линии пред_
Рнс. 6.18, Структурная схема ЛПК-спптезатора.
ставлены схемные компоненты, обеспечивающие прямой синтез речи с помощью расчетных ЛПК-коэффи- циептов.
Некоторые блоки на этой схеме не являются унпвер* сальпымп: здесь показан лишь одпн из возможных вариантов реализации ЛПК-синтеза, спроектированный в отделе говорящпх изделий фирмы «Тексас инструменте». Одпако блоки, приведенные в ппжией части рпс. 6.18,— действительно универсальные; они служат пепремепныйги компонентами практически всех рече* вых ЛПК-спнтезаторов. Сказанное относится к генератору высоты основного тона (вспомните об шту^ьсе голосовой щели), генератору псевдослучайного шума д-ня пол^^чеппя фрикативных звуков и к системе цпф-
(-y一"「 一=-"二二二*.?"二""'一'二一'0.'0'二一 .иа и«ийон« 2Й^^-^ хг==£士二-「х 二】二'===二三二к-三=。上(-y一"「 一=-"二二二*.?"二""'一'二一'0.'0'二一 .иа и«ийон« 2Й^^-^ хг==£士二-「х 二】二'===二三二к-三=。上三)二二-三-二)•，三「-二--**)-二-三-'--D 二二-二LIMJ:-二二CI 二二二一'二二-‘GLU■)二工三)二二-三-二)•，三「-二--**)-二-三-'--D 二二-二LIMJ:-二二CI 二二二一'二二-‘GLU■)二工
(-y一"「 一=-"二二二*.?"二""'一'二一'0.'0'二一 .иа и«ийон« 2Й^^-^ хг==£士二-「х 二】二'===二三二к-三=。上
(-y一"「 一=-"二二二*.?"二""'一'二一'0.'0'二一 .иа и«ийон« 2Й^^-^ хг==£士二-「х 二】二'===二三二к-三=。上
三)二二-三-二)•，三「-二--**)-二-三-'--D 二二-二LIMJ:-二二CI 二二二一'二二-‘GLU■)二工
三)二二-三-二)•，三「-二--**)-二-三-'--D 二二-二LIMJ:-二二CI 二二二一'二二-‘GLU■)二工
ровой фильтрации, служащей для модификации звон- кпх и глухих звуков с целью их превращения в речь. Последний блок в системе Л ПК-генерации речи — ЭТо цифро-аналоговый преобразователь, который преобразует речь, записанную в форме единиц и пулей, в аналоговый сигнал, используемый для возбуждения громкоговорителя.
Как и у аналогового формантного синтезатора, возбуждение ЛПК-синтезатора производится периодически, причем частота поступления обновляющего управляющего кадра должна быть достаточно высокой, чтобы следить за динамикой изменения голосового тракта человека. В зависимости от изготовителя интегральной схемы п числа используемых предикторших коэффициентов (коэффициентов отражения) типичное значение частоты повторения кадров лежит в пределах 40 — 100 раз в секунду. Иными словами, в схемы ЛПК-сиптеза каждые 10 или 25 мс вводится совершенно новый набор речевых данных, который используется для генерации речевого сигнала в остах厶вуто часть периода того же управляющего кадра. Исследовав более детально структуру кадра ЛПК-данных и то, к а г; этот кадр связан со структурной схемой, изображенной на рис. 6.18, мы лучше почувствуем всю сложность такого процесса, как Л ПК-синтез. На рис. 6*19 дано наглядное описание ЛПК-даппых, которые используются в ЛПК- методе, принятом фирмой «Тексас инструменте». В верхней части рисунка приведен кадр данных, относящийся к звонкому звуку. Каждая ячейка кадра представляет собой элемент информации, необходимой для формлро- ванп# синтетического речевого выходп методом Л ПК. Первый элемент, «Энергия», служит для пепрсрывпого управления амплитудой произносимой речи. Следующий элемент, «Повторить кадр», использует такое свойство речи, как медленное изменение характеристик голосового тракта при военропзведеппп «статических» звуков. Если, например, во время произнесения какой- то фразы звук а〃 должен воспроизводиться в течение 6о・ лее длительного времени, чем продолжит ел ьпость одного управляющего кадра, то используется бит (разряд) «Повторить кадр», который приказывает синтезатору повторить десять предыдущих коэффициеитов фильтра (К1 — К10). Введение такого разряда повторения в кадр управляющих ЛПК-данных позволяет
122122ШШ
122
122
Ш
Ш
сократить почти на 80% число элементов в кадре для «статических» звуковых данных. Следующий элемент в ЛПК-кадре — управляющее слово «Высота основного тона», которое регулирует не только высоту топа (или период Р) синтезатора импульса голосовой щели, но и определяет, является ли воспроизводимый звук звонким или глухим. Если высота тона произносимой фразы равна нулю, то, согласно определению, это соответствует глухому звуку и тогда переключатель «звонкий ——глухой» подключает к входу цифрового многозвенного фильтра источник псевдослучайного шума.
Десять последпих элементов кадра ЛПК-дашшх соответствуют предикторным коэффициентам, которые используются в цифровом многозвенном фильтре для регенерации исходной речи. Каждый из этих 10 коэффициентов представляет собой численпуто величину, в соответствии с которой в многозвенном фильтре устанавливается коэффициент передачи в цепи специальной обратной связи. Для восстановления речи такое число коэффициентов используется не всегда (при воспроизведении глухих звуков оно меньше); это ——максимальное количество коэффициентов для кадра управляющих Л ПК-да иных в системе, разработанной фирмой «Тексас инструменте».
Различные типы кадров управляющих данных для ЛПК-синтезаторов речи проектируются с таким расчетом, чтобы сократить потребность в памяти и уменьшить предельную скорость передачи данных при синтезе речи. В синтезаторах, изготовляемых фирмой «Тексас инструменте», используются пять базовых форматов для кадров цифровой речевой информации (рис. 6.20). В синтезаторе TMS5100 максимальное число разрядов в полном управляющем кадре для звонкого звука равно 49. Кадр такого формата используется для формирования любого звука, который естествеппым образом воспроизводится вибрацией голосовых связок. Фрикативные и взрывные согласные генерируются с помощью управляющего кадра для глухих звуков; одновременно управляющее слово «Высота основного топа» устанавливается равным нулю. Обратите внимание на то, тг。 число коэффициентов для фильтра снижается до четырех, поскольку шипящие звуки генерируются в части голосового тракта, расположенной выше, 口, следо
вательно, в меньшей степени фильтруются в голосовом тракте. Длина управляющего кадра для глухих звуков равна 28 разрядам, что обеспечивает весьма эффективный речевой синтез, особенно если учесть, нто таким путем генерируются высокочастотные звуки* Следующий формат кадра, приведенного на рис. 6.20,—— формат «Повторить кадр». Как уже говорилось, такой кадр используется для повторения любого из предшествующих кадров при сохранении всех коэффициентов
Рис. 6.20. Форматы ЛПК-данных, используемые фирмой «Тексас инструмеытс».
К1—К10 неизменными. Уменьшение длины управляющего кадра до 10 разрядов значительно повышает эффективность воспроизведения звуков «статнческого)> типа. Два последних формата на рис. 6.20 ——это форматы нулевой энергии и кода останова. Формат нулевой знер- гпи есть не что иное, как «произноепмое» молчание. При его воспроизведении выход синтезатора, по существу, выключается — с целью воспроизведения пауз в речи. Формат останова дает синтезатору команду прекратить говорить и вернуться в состояние готовности выполнять следующие приказы управляющего компьютера. Хотя описанные кадры управляющих данных спецпфнчшл iiAieiiHo для систем синтеза рени, выпускаемых фирмой «Тексас инструменте», им пр口сущи характерные особенности и других систем, например ЛПК-синтезаторов, выпускаемых фирмами «Дженерал инструменте»
и «Телесенсори», а также японских синтезаторов, работающих по принципу частотной корреляции (Пар- кор). “
Описание синтеза речи по методу линейного предиктивного кодирования мы вынуждены были дать на примере соответствующих аппаратных реализаций, хотя сам этот метод — чисто математический. Если бы мы попытались изложить процесс линейного предиктивного кодирования речи более строго, то 20—30 страниц этой книги нам пришлось бы заполнить одними уравнениями. Тем, кто желает ознакомиться с этими уравнениями, мы рекомендуем обратиться к книгам по ЛПК-спнтезу речи, указанным в списке литературы.
Процесс, который происходит в ЛПК-синтезаторе при выводе речи, трудно смоделировать посредством любого из существующих персональных компьютеров. Во время синтеза речи каждый предикторный коэффициент, используемый в цифровом фильтре, обновляется с частотой подачи управляющих кадров примерно 50 кадров в секунду. При каждом очередном обновлении, или перенастройке, фильтра (производимом каждые 20 мс), схема Л ПК-синтезатора выполняет 4000 умножений 10-разрядных чисел и а 14-разрядные и 4000 сложений !4-разрядных чисел. Попробуйте-ка повторить все это на персональном компьютере!
Системы, используемые для выполнения вычислений со столь огромной скоростью, представляют собой довольно сложные схемы реализации математических алгоритмов умножения и деления. Если же производить эквивалентные вычисления с помощью программы на Бейсике средствами персонального компьютера, то частота поступления кадров управления речью составит ,вероятнее всего, не 50 кадр/с, а лишь 1 кадр в 5—10 мин. Следовательно, решающее значение для успешного практического синтеза по ЛПК-методу имеет его аппаратная реализация. Каждый изготовитель располагает своими собственными методами выполнения вычислений, связанных с ЛПК-синтезом, а также способами изготовления соответствующих интегральных микросхем. Независимо от того, как это в конечном счете достигается, в буцугцем метод ЛПК синтеза речи, несомненно, станет одним из самых распространенных. Говорящие изделия, построенные по этому методу, появились сравнительно недавно и быстро завоевывают 124
успех у потребителей. Линейное предиктивное кодирование обеспечивает синтез речи, которая близка до качеству к естественной человеческой речи, при относительно низкой скорости передачи данных. Стоимость этих изделий также сравнительно невысока, что объясняется простотой их воплощения в виде интегральных cxcNL Все это позволяет создавать довольно дешевые синтезаторы.
Естественно, что здесь (как и в случае прямого кодирования-восстановления речевого сигнала) остается нерешенной одна весьма важная проблема. Необходи- AI。иметь в виду, что речевой выход компьютера, работающего с такими системами, ограничен предварительно наговоренным словарем. Чтобы несколько ослабить это ограниченпе, некоторые изобретательные изготовители ввели в синтезаторы фонетические и алло- фоническпе звуки, записанные в прямом Л ПК-коде. Это предоставляет пользователю неограниченный словарь, который он сам должеп строить путем последовательного фонетического соединения ЛПК-звуков речи. По принципу использования эти системы весьма сходны с синтезаторами формантных частот с фонемным воз- буждетшем, описанными в предыдущем разделе. Сочетание ЛПК-метода с фонемным синтезом дает исключительно мощную систему синтеза речи. Однако речь, генерируемая такой системой, произпосптся голосом робота, что обусловлено объединением отдельных фонем в цепочки. Вместе с тем качество такой речи не хуже, чем у любого синтезатора с фонемным возбуждением. Естественно, пользователь всегда должен идтп на компромисс, выбирая между неограниченным словарем, который будет воспроизводиться голосом робота, и предоставляемым изготовителем ограниченным словарем, который будет звучать, как естественная речь человека. Конечно, при наличии средств можно попросить изготовителя ЛПК-схем закодировать в ЛПК-речь весь желательный для пользователя словарь. Так часто поступают крупные фирмы, которые затем выпускают миллионы изделий с синтезированной речью и одинаковым словарем, компенсируя такпм образом затраты по кодированию заказного неограниченного словаря.
В ближайшем будущем устройства синтеза речи по методу ЛПК начнут в огранпченпых количествах поступать в продажу. По мере повышения эффективности
их производства стоимость изделий будет понижаться, что позволит энтузиастам-любителям генерировать собственный словарь, наговаривая слова своим голосом.
Другие методы
Хотя существующие теперь методы синтеза речи в основном относятся к трем описанным выше типам, не исключено, что в будущем могут появиться и другие способы. Системы завтрашнего дня, которые находятся иа пределе возможностей данной области техники, пока еще не вышли из стен лабораторий. Большинство из таких «экзотических» синтезаторов речи действует по принципу математического моделирования голос。、 вого тракта человека. Внешне онп очень напоминают ЛПК-синтезаторы, отличаясь от последних характером вычислений, которые используются для получения речевого выхода. Существуют возможности для воспро' изведения речи на основе прямого фурье-синтеза, синтеза с помощью функций Уолша и методов, использующих корреляцию и автокорреляцию сигналов (Паркор).
Теоретически большинство этих методов весьма сходны с методом ЛПК-спнтеза речи. Различия Агежду ними связаны в основном с их аппаратной реализацией. Если какой-то из этих методов превзойдет по своей эффективности метод Л ПК, то это произойдет потому, что его аппаратная реализация окажется менее сложной, Только время покажет, какая из систем синтеза речи завоюет будущее. Учитывая непрерывное возрастание слояшости при переходе от каждого предшествующего метода синтеза к последующему, можно сказать, что с позиций современного технического уровня ми просто ле в состоянии предсказать, каким будет следующее поко.чение синтезаторов речи.
Глава 7
СЕРИЙНЫЕ СИСТЕМЫСИНТЕЗА РЕЧИ
Автор берет на себя смелость предполагать, что, ознакомившись с содержанием предыдущих глав, читатель в известной степени стал «специалистом» в области генерации синтезированной речи и технических средств ее реализации. Теперь целесообразно рассмотреть выпускаемые серийно синтезаторы речи. Перечень изделий, который мы здесь рассмотрим, очевидно, не отличается полнотой, поскольку все время создаются новые говоря- щие устройства. Наиболее удачный метод синтеза речи скорее всего определится так же, как это было в свое время с микропроцессорами. На заре производства микропроцессоров появилось большое число изделий, из которых собирались самые различные микрокомпьютеры. По мере изготовления новых, все более совершенных систем многие ранее выпущенные постепенно исчезали, не выдержав конкуренции. Аналогичная картина, вероятно, будет наблюдаться и на рынке говорящих устройств. По этой причине некоторых изделий, упоминаемых в этой книге, возможно, сейчас уже нет в продаже ——их заменили другие, ибо, как говорится, «свято место пусто не бывает». По^видимому, верх в этой борьбе одержат наиболее эффективные и обладающие наилучшим зв^анием системы синтеза речи, которые завоюют широкое признание у потребителей.
Наш обзор выпускаемых в настоящее время устройств синтезированной речп основан главным образом на данных ,полученных от изготовителей. Если вы столкнетесь с тем, что описанпе той н.та иной системы слишком кратко, то это значит, что либо ее изготовитель не захотел раскрывать «секреты фирмы», либо же во время публикации настоящей книги не было достаточно подробных сведений о данной системе.
Мы будем рассматривать эта изделия в последовательности, отвечающей используемым в них методам
синтеза речи. К первой группе синтезаторов относят устройства, созданные по методу кодировакия-восста' повления речевого сигнала. Следующая группа говорящих изделий включает аналоговые формантные синтезаторы. Эти приборы чаще всего называют фонемными синтезаторами; они обеспечивают возможность генерации речи с неограниченным словарем. К последней (конечно, не по важности) группе изделий относятся уст・ ройства с механизмом речевого синтеза на основе линейного предиктивного кодирования (ЛПК).
Некоторые из изделий, описанных в этой главе, представляют собой одиночные интегральные схемы. Они интересны прежде всего тем, что их можно своими силами ввести в персональную компьютерную систему. Если же вы интересуетесь конечным результатом, то вам, вероятно, более придутся по вкусу говорящие пе- рпферийиые устройства, которые можно приобрести в готоволг виде.
Системы кодирования-восстановления речевого сигнала
К первой группе рассматриваемых нами говорящих устройств относятся устройства, использующие метод цифровой записи н воспроизведения, который в предыдущей главе был назван методом кодирования-восстановления речевого сигнала. Некоторые из уиоминаемых здесь систем специально предназначены для совместного использования с такими серийными персональными компьютерами, как Эппл фирмы «Эппл компьютер корпорейшн», TRS-80 отделения «Рейдио тзк» фирмы «Тенди корпорейши» и т. д. Другие говорящие устройства спроектированы как автономные приборы пли же рассчитаны па применение с существующими ЭВМ в качестве компьютерных периферийных устройств. Все эти системы, конечно, выполняют свою функцию —— синтез речи, но качество генерируемой речи у них раз- лпчпот и, чем оно выше, тем дороже стоит система.
Сравнительные характеристики синтезаторов речи с кодированием-восстановлением речевого сигнала, рассматриваемых в данном разделе, приведешь в табл. 7.1. Перечисленные в таблице синтезаторы имелись в продаже, когда печаталась наша книга, так что указанш^е 1 охнические характеристики каждого устройства от-
u co о
3 CQ 00
g
G H
Д g<
：a c
目月另
J и и
鼠
0 W
om
UU
唱
о UU
от
«о d gd •星
2
誉
、三
二 片
2 о
o м о
§. В ^
s Й 0 W三 決弓
e ив
о
X СС
g i
< s
I d
7 h
2 S g S § н ± о = о M d С у g
w
鼻
3 e
о
CS 二 fl
W J Eh m三
>&o 三*
宦^ I о
5= ^ G
g sg g
巽^黯
аз§& OBiuo^odsA)'Iм86т н ^SKSH^KS»
ffio&o^^rooHKEO EOCSH. XIqdo~OHOH HHILSIdtuMBdBX •& okh+goj
ража1от действительное положение дел. Как видим, в таблице представлены следующие характеристики пере- члслелных в ней синтезаторов: метод используемого в 1ШХ синтеза; примерные размеры систем; особенности речевых возмо?кностой системы; тип компьютера, с к°~ торьш з【о7кст попользоваться синтезатор.
Система LISA фирмы «Сентиграм корпорейшн»
Система LISA фирмы «Сентиграм корпорейшн» представляет собой автономный терминал, который служит компьютерным периферийным устройством. Он рас-
Рис. 7.1. Синтезатор речи LISA,
считан на включение между телетайпом и терминалом (на ЭЛТ) пользователя, с одной стороны, и ведущим компьютером ——с другой. Эта система, по всей впди- мостп, принадлежит к наиболее дорогим серийным устройствам с кодированием речевого сигнала (если к зт("】у классу действительно мо/кпо отнести параметрическое кодирование речевого сигнала, применяемое фирмой «Сентиграм корпорейшн»). Поскольку фирма строго хранит секрет метода параметрического кодирования речевого сигнала и информация по нему весьма незначительна, располагая этими скудными сведениями, мы рискнули отнести его к первой группе рас- едгатрнваемых методов синтеза. Структурная схема возмои<ного подключения терминала с речевым выходом LISА к типичной компьютерной системе приведена па рис. 7.1. Одной из особенностей устройства является то, что оно может быть включено между клавишным
пультом и компьютером и в таком случае работает как прозрачное (не требующее участия пользователя) пбрифбрийное устройство, способное генерировать речь.
Говорящий терминал системы LISA изображен на рис. 7.2. В процессе работы это периферийное устройство выделяет из ииформациоиного потока адресованные ему речевые команды и речевые данные, не оказывая никакого влияния на обмен обычными компьютерными командами, происходящий между клавиш-
Рис. 7,2. Внешний вид терминала с речевым выходом LISA. (С разрешения фирлы «Сентиграм корп.».)
ным пультом п компьютером. Словарь системы LISA опирается на набор хранимых в памяти слов, предложений или наговоренного текста любой длины. В ка- честве памяти служит дисковый накопитель ведущего компьютера, откуда хранимый текст считывается для воспроизведения нужных выражений. При работе по такой схеме система LISA предоставляет компьютеру, к которому она подключена, неограниченные в словар' ном отиошенпи речевые возможности.
«Встроенный» словарь для дпекавого накопителя фирма «Сентиграм корпорейшн» изготавливает в впде дискового файла. Затем он переносится из компьютера в систему LISA с помощью прпклааноИ программы. И наконец, команды на произнесение требуемых слов из словаря выдаются системе LISA операцпонной
системой пользователя. Словарь в дисковом файле может быть построен иа основе предварительно подготовлен- ного текста, который пользователь направляет фирме «Сентиграм» для кодирования “(за соответствующую плату), или же на основе вашей собственной библиотеки наговоренных слов: ее вы можете самостоятельно составить с помощью генератора библиотеки наговоренных слов, выпускаемого фирмой «Сеитиграм». Этот (довольно дорогой) прибор дает пользователю возможность строить свои собственные словари с той же легкостью, с какой производится цифровая запись на магнитную лепту. Поток данных в компьютере при
Рис. 7.3. Схема включения системы LISA (С разрешения фирмы «Сентиграм корп.».)
Рассчитана на использование в составе компьютерных систем.
его сопряженной работе с говорящим устройством LISA показан на рис. 7.3. Простота интерфейса делает возможным подключение данной говорящей системы практически к любому ведущему компьютеру, который нуждается в периферийном устройстве с речевым выходом.
В работе системы с речевым выходом LISA используется метод, который фирма «Септиграм корпорейшн» называет параметрическим синтезом речевого сигнала. Этот тип синтеза требует скорости подачи речевых данных примерно 300—600 байт/с, что по эффективности ставит ее в один ряд с Л ПК-синтезаторами речи. Фактически эти методы синтеза речи обладают значительным сходством, но, поскольку метод параметрического кодирования речевого сигнала остается секретом фирмы, относительно его имеется очень мало информации. Известно, однако, что для обеспечения потока данных между компьютером и терминалом пользователя применяется интерфейс типа RS-232 и что скорость передачи данных между ними составляет 110——19 200 бод.
В синтезаторе LISA установлен микропроцессор Z80, оснащенный ЗУПВ (емкостью 16К) для хранения закодированных речевых сообщений. Звук с выхода зто立 системы, генерируемый громкоговорителем моец- ноствю 2 МВт с диаметром диффузора 100 мм, по громкости вполне достаточен для средней комнаты. Конструкторы проявили предусмотрительность, оснастив систему LISA стандартным соединительным гнездом для подключения головного телефона (наушников). Это дает возможность пользователю компьютера прослушивать речевой выход в полном уединении, не мешая окружающим. «Сентиграм корпорейшн» выпускает не только систему LISA для обработки речи, но и систему MIKE, предназначенную для распозна- вани只 речи, и ряд других систем для осуществления речевого диалога между компьютером и пользователем.
Синтезатор Чипток
Это одна из немногих чисто программных речевых систем, разработанная Алапом Севиллом, которая предназначена специально для персональных компьютеров и практически не требует дополнительной аппаратуры. Простота речевого синтезатора Чппток объясняется использованием в нем специфического процесса кодирования речевого сигнала. Система спроектирована в расчете на работу с компьютерами серии TRS-80 фирмы «Рейдио шэк» н компьютером Н-8 фирмы «Хит». Единственное, что здесь необходимо для дискретизации (преобразования аналогового сигнала в цифровой) наговоренных слов и пх последующего воспроизведения,——это наличие одного двоичного порта ввода-вывода. Для дискретизацип п воспроизведения речевого сигнала можно использовать недорогой звуковой усилитель н микрофон. В случае применения любого пригодного для работы с этой системой компьютера для кодирования речевого сигнала не- обходимо выполнить простейшую модификацию аппаратных средств. При работе с машиной Н-8 фирмы «Хит» для кодирования речевого сигнала достаточно вставить одну-единственную дополнительную перемычку. Для речевого воспроизведения закодированной
речи необходимо изменить соединение всего одного вывода интегральной схемы на плате передней панели. Этот вывод следует подключить к внутреннему громкоговорителю. В то же время компьютер 1RS-80 фирмы «Рейдио птэк» способен воспроизводить закодированный речевой сигнал через звуковой выход кассетного магнитофона, не требуя введения в схему каких-либо изменений. Здесь кодирование речевого выхода требует небольших изменений клавишного пульта (или добавления нескольких внешних логических вентилей), что обеспечивает требуемое стробирование речевого сигнала. Программный вариант синтезатора Чппток будет производить дискретизацию вашего голоса (с кодированием речевого сигнала) при его подключении к соответствующему входному порту, а затем воспроизводить по команде закодированную речь с помощью звуковой выходной системы.
И спользованный в устройстве Чппток процесс кодирования речевого сигнала не был описан в предыдущей главе, посвященной кодированию таких сигналов. Он, однако, имеет сходство с процессом кодирования по методу дельта-модуляции, состоящее в том, что в нем но каждой выборке из речевого сигнала также запоминается всего один бит данных. Такой же процесс используется и в некоторых других чисто программных синтезаторах речи. Он получил название метода кодирования речевого сигнала с частотной модуляцией (ЧМ). Суть процесса поясняется на рис. 7.4. Поступающий на вход синтезатора речевой сигнал изображен в верхней части рисунка. Этот сигнал дискретизуется с частотой, равной примерно 4000 выборок в секунду. Каждая выборка является бинарной величиной, которой присваивается единичное значение, осли входной сигнал больше предварительно установленного порога для единицы, и нулевое, если он меньше порога, установленного для нуля. Поскольку в качестве входных каскадов пороговой схемы используются простейшие ТТЛ-вентили, пороговый уровень для: логического нуля равен 0,8 В, а для логической единицы — 2,4 В. По мере того как входной речевой сигнал изменяется по амплитуде меж^у двумя этими пороговыми уровнями цифровой код речи меняется от ° Д。1 • Изо бр azi; еиный в шкнно 立 части рпс. 7.4 поток выходных импульсов представляет одмовре- 134
менно и последовательность однобитовых данных, хранимых в памяти, и выходные данные, направляемые на громкоговоритель для воспроизведения речи. Совершенно очевидно, что между входными и выходными сигналами очень мало сходства, однако получаемый таким путем искаженный речевой выход можно все ?ке попять. Учитывая невысокую стоиаюсть этой системы ,можно считать, что она превосходно справ-
°-ЗАН彥工岩Н°-ЗАН彥工岩Н
°-ЗАН彥工岩Н
°-ЗАН彥工岩Н
Рис. 7.4. Процесс бинарного ЧМ-кодирования.
ляется с задачей получения от компьютера самых первых слов.
Для компьютера TRS-80 система Чппток выпускается в виде магнитофонной кассеты, а для компьютера Н-8 — в виде диска Н-17. Приобретаемая программа обеспечивает возможность кодирования и восстановления речевого сигнала для каждого пз этих компьютеров. Оба этих программных средства содержат демонстрационную, или говорящую, программу, которая помогает обучить компьютер речи. В программе содержатся слова, наговоренные Аланом Севиллом, которые можно вывести из памяти посредством 16 отдельных распечаток голоса (дампов), а также демонстрационная алфавитная последовательность.
Устройство Компьюкордер фирмы «Компьютокер консалтантс»
Устройство Компьюкордер фирмы «Компьютокер кон- салтантс» представляет собой недорогой цифровой при- бор, сочетающий накопитель с выходным устройством. Речевая плата, которую, по существу, можно^ считать твердотельным магнитофоном,— второе важнейшее изделие этой фирмы, созданной в период появления
Рис. 7.5. Синтезатор рспп СТ-1 фмрй!Ы «Компьютокер консалтантс». (С разрешения фирмы «Комыотокор консалтантс».)
первых микропроцессоров и специализирующейся сейчас на синтезе речи. Свой первый синтезатор речи для персонального компьютера фирма начала поставлять с ноября 1976 г. Этот синтезатор СТ-1 был спроектирован в расчете и а подключение к шине S-100. Устройство работало по методу аналогового формантного синтеза.
Учитывая историческое значение синтезатора СТ-1 как одного из первых серийных синтезаторов для персональных компьютеров, мы считаем не лишним показать его внешний вид (рис. 7.5). Конструкция синтезатора по тем временам была довольно прогрессивна. Однако весьма высокая стоимость этого синтезатора ставила его в разряд предметов роскоши. Поэтому фирма «Компьютокер консалтантс» прекратила производство этого устройства и вместо него стала выпускать синтезатор с прямым кодированием-восста
новлением речевого сигнала — Компьюкордер. В отличие от синтезатора СТ-1 прибор Компьюкордер можно приобрести и сегодня как периферийное устройство для персонального компьютера.
Синтезатор Компьюкордер (рис. 7.6) позволяет получать высококачественную речь на любом языке, наговоренную как мужским, так и женским голосом' Цифровое устройство записи обладает также способностью хранить и воспроизводить музыку и звуковые эффекты. Словарь Кодшьюкордера формируется самим пользователем, который просто наговаривает его в
Рис. 7.6. Синтезатор речи Компьюкордер фирмы «Компьютокер консалтантс». (С разрешения фирмы «Компьютокер консалтантс».)
подключаемый к синтезатору микрофон. Затем наговоренный словарь подвергается дискретизации ^ie- тодом сжатия данных, причем соответствующие средства размещены на схемной плате синтезатора Ком- пьюкордер. Получаемые речевые данные в компактной форме поступают на хранение в память компьютера, и их можно воспроизводить по команде программного управления. Помимо микрофона пользователь должен дополнить эту систему своим звуковым 5тсилителем и громкоговорителем, которые обеспечивают громкость, достаточную для обычного помещения.
При работе с устройством Компьюкордер имеется возможность пойти на определенный компромисс, согласовав удобныл[ образом требования к качеству речевого выхода и необходимому для запоминания
речи объему памяти. Пользователь может выбрать следующие расходы памяти в расчете на одну секунду речи: 1,25, 2, 3 или 4 кбайт. В зависимости от объема ЗУ компьютера можно остановиться на приемлемом дЛЯ вас удельном расходе памяти для воспроизведения ре^и. При использовании для односекундной речи объема памяти 4 кбайт качество воспроизведения приближается к качеству воспроизведения речи с магнитной ленты. При этом эффективная скорость дискретизации равна 32 000 бит/с. Компьютер с памятью 64 кбайт при таком темпе воспроизведения может хранить речь длительностью примерно 16 с и обеспечивает «кристально чистым» речевой выход с абсолютно естественным звучанием. Если К0й1ш>ю®ер оснастить накопителем на гибком дщже для хражъгия речи, длительность ретевого кызиода ооо^веФСтвсшмо возрастет. Программы, ивста-вдшемме для статезатора Компыокор- дер, натшеаны на аооеадблвре для ктафолроцессора 8080.; запись ехс^ществлшется нод управлением дисковой отераци0*н®€ш сйсшемы СР/М фи：р»гы «Диджитал рисерч пзортмхрейлхц». Ис^олъкудогпся диски и другого формата. В сшгу своей нетаюежот стоимости синтезатор Компыоко-рде.р вдеалел для иолъаолат.елей, которые готовы самостох眦лыю формировать свои словари.
Устройство Майкромаус
Интерфейс с речевым синтезатором типа Майкромаус выпускает фирма «Майкроминт инкорпорейтид», изготовляя его по конструкции, которая была предложена Стивом Съярсиа в июньском номере журнала Byte Magazine за 1981 г. В синтезаторе использована микросхема Диджитокер фирмы «Нэшнл семикондактор», созданная для синтеза речи по методу дельта-модуляции .Хотя синтезатор речи Майкромаус рассчитан на совместную работу с компьютерами Эппл II и TRS-80, ои может быть сопряжен и с другими компьютерами, если воспользоваться параллельными портами для передачи данных.
Плата синтезатора речи Майкромаус показана на рис. 7.7. Его одноплатный вариант представляет собой съемное периферийное устройство, которое вставляется непосредственно в гнездо компьютера Эппл IL Другой вариант того же устройства в виде автономного 138
блока поставляется как интерфейс для компьютера TRS-80. В составе последнего варианта имеется интерфейсный ленточный кабель для подключения к соединителю расширительной шины модели I или III компьютера TRS-80. Словарь синтезатора речи Майкромаус размещен на двух ПЗУ емкостью по 64 кбит. Состав словаря приведен в табл. 7.2. Словарь с таким же составом слов, размещенный на двух предварительно записанных словарных ПЗУ, изготавливает и фирма «Нэшнл семикондактор».
Рис. 7.7. Синтезатор рсчп Майкромаус фирмы «Майкроминт». (С разрешения фирмы «AlaiiKpojninT пнк.».)
Для выборки слов, хранимых в памяти речевого синтезатора, компьютеры пользуются оператором роке или оператором out. Когда в устройство Майкромаус подается выходной код. соответствующий какому-то слову из словаря, синтезатор по лпнип сигнала готовности уведомляет компьютер, что система еще занята произнесением предыд^^щей фразы. В конце периода воспроизведения речи синтезатор сигнализирует компьютеру, что он готов принять следующий 8-битовый адресный байт для своего словаря. Благодаря тат<ой работе служебное маишнпое время, необходимое для создания речевой программы, весьма мало. Так, например, чтобы сказать англппсклпо фразу At the mark, the time is 2 : 45 PM(beep} r,
1 У iieTKii время 2 u 45 мин пополудни ... (бин.)— Прим, перев,
Таблица 72 Словарь речевого синтезатора Дидткитокер
8-разрядпый
8-разрядный
8-разрядный
Слово
дно ичныи адрес SW8 — SW1
Слово
ДВОИЧНЫЙ адрес SW8 —SW1
Слово
двоичный адрес SW8-SW1
THIS IS DIGITALKER
00000000
Q
00110000
IS
01100000
ONE
00000001
R
00110001
IT
01100001
TWO
00000010
s
00110010
KILO
01100010
THREE
00000011
T
00110011
LEFT
01100011
FOUR
0000010()
и
00110100
LESS
01100100
FIVE
00000101
V
00110101
LESSER
01100101
SIX
00000110
w
00110110
LIMIT
01100110
SEVEN
000001 и
X
00110111
LOW
01W0111
EIGHT
0000100()
Y
00111000
LOWER
01101000
NINE
00001001
z
00111001
MARK
01101001
TEN
00001010
AGAIN
00111010
METER
01101010
ELEVEN
()0001011
AMPERE
00111011
MILE
01101011
TWELVE
(X)OOHOO
AND
00111100
MILLI
01101100
THIRTEEN
()0001101
AT
00111101
MINUS
0И01101
FOURTEEN
00001110
CANCEL
00111 no
MINUTE
01101110
FIFTEEN
00001111
CASE
00111111
NEAR
01J 01 ill
SIXTEEN
00010000
CENT
01000000
NUMBER
01110000
SEVENTEEN
00010001
400 HERTZ TONE
01000001
OF
01110001
EIGHTEEN
00010010
80 HERTZ TONE
()1000010
OFF
01110010
NINETEEN
()0(110011
20 MS SILENCE
01000011
ON
01110011
TWENTY
0001010()
4() MS SILENCE
01000100
OUT
0Ш0100
THIRTY
00010101
80 MS SILENCE
01000101
OVER
01110101
FORTY ■
00010110
160 MS SILENCE
01000110
PARENTHESIS
01110110
FIFTY
00010111
320 MS SILENCE
01000111
PERCENT
0Ш0Ш
ABCDEFGHIJKLMNOPABCDEFGHIJKLMNOP
ABCDEFGHIJKLMNOP
ABCDEFGHIJKLMNOP
SIXTY
00011000
SEVENTY
00011001
EIGHTY
000110K)
NINETY
00011011
HUNDRED
0001110()
THOUSAND
(Ю0Ш01
MILLION
00011110
ZERO
00011111
()0100000 00100001 00100010 00100011 0010010() 00100101 00100110 шши 001()100() 00101()()1 0010101() 00101011 00101100 00101101 0010111() шона
CENTI
01001000
CH KCK
0100КЮ1
COMMA
01001010
CONTBOL
()1()01011
DANGER
01001100
DEGREE
0100J101
DOLLAR
()100111()
DOWN
01001 Hl
EQUAL
()1010000
ERROR
01010()01
FEET
0101001()
FLOW
()1010011
FUEL
01010100
GALLON
01010101
GO
()1010110
GRAM
01010111
GREAT
01011000
GREATER
().1011001
HAVE
01011 ()10
HIGH
01011 ().1.1
HIGHER
0101 И (Ю
HOUB
01011101
IN
01011110
INCHES
01011111
PLUS
01111001
POINT
01111010
POUND
01111011
PULSES
01111100
RATE
01111101
RE
01111110
READY
01111111
RIGHT
10000000
SS
10000001
SECOND
10000010
SET
10000011
SPACE
10000100
SPEED
10000101
STAR
10000110
STABT
10000111
STOP
10001000
THAN
10001001
THE
10001010
TIME
10001011
TRY
10001100
UP
10001101
VOLT
10001110
WEIGHT
10001Ш
требуется всего 15 обрагцепий к синтезатору. Каждое обращение связано с получением доступа к конкрст- ПОму слову, числу или пустому интервалу, так что в процессе воспроизведения речи у комп1>юте])а имеется
Рис. 7.8. Вариант сшгп'за'гори Мапкро- маус, и 卩「川 I；1311aч(、н- Hi.iii для работы с компьютером 'ГВS-80. ((：|)；USp(4ll('ll ня(|Н1|)МЫ «MaiiKjKi.Miiirr ник.».)
Синтезатор Диджитокер фирмы «Нэшнл семикондактор»
Система синтеза речи Диджитокер выпускается изготовителем в нискольких ])азличиых ко1；фигурациях. Ц(!итра.иь1юй частью системы является речевой процессор ММ 541()4, лыполпенный в ниде интегральной extend. Jtu мик[)()схсма т i( а счи ri' i»i в а ющи я 40 внешних
/пангподого
Корпус c dz^^yg办6/“расположенtien 6ь180do8
^гнера rnopa j
[^одтактов 后—f 场j" J,：℃纱"口sc oup -
CS3
WR
ROMLN
UpepbifjuHue (MR)-
CMS -
5IV 8 (C/r^i
"少"%7
чшш 8
Рис. 7.9. Вариант ciuriwia гора Мипкро- N；iy(\ pilCCHirijHIIlhl й Л；1 рлботу с компь- |О'Г('Р()М ；)|IHJ【11. (С |)ПЗ|>('|11('1| И» фирмы «Maiiii-poAiiuiT 】!“*.»・)
\Wb
5肥
3W4
5W3
SWf (Младший
ВОЛГА 3
лимл 4
ID
万
77
77
E TT
77 7?
77
*20
ММ541О4
40 ЗГ £
电 支 IT 于 亘
亙
IT
亙 区 云 元 巨 "г? "г?
‘环D一 力
■^Чв^ои 输工Q
■AOR 13 (Старилцй разряд)
-ADR 12
•ADR IL
■ ACR 10
-AOR 9
АОЙ
ADR
ADR
AOR
ADR AOR ADR
г
G
5
ADR i
ADR 0 (Мяа^иии разряд)
RONA 8《fftapwWраз产〉
ROATA 7
RDATA 6
ROAM ь
Рис. 7.1(). PnciipeaeJK'HiK' выводов микросхемы (вид сверху) [к"ичюги и |Ю1нч'с(»])а М М 541()4, используемого в смнтгзатсрс Днджнччисер фирмы «11:шн1л (Ч'мнкоидлктор». (С разр(ч11(Ч1ИЯ фирмы «I luiiiiui“|д；и;т()р К()])11.».)
достаточно вроменп 八 jdi выполнен ил /других onepnitiiii. Майкромаус - о'кчн. ирос/гой п нмгстс с тем :)фф(ч^ i'iibiii.iи спнг1'('з；гго|) |)(^iii. I (а рис. 7.8 и 7.9 показано, как н ])<)1[зв()д1ггь устмювку ;)т()1ч> сшпч'затора для работы с |£оммь1отер；1мн J'BS-80 илм Эппл 11.
выводов, лзобраиа'па на рис. 7.10. Структурная схема р(1ч(!вого н卩仆n(cc(")n ММ М1М показана на рнс. 7.11. ('л()-,кнос1'ь м111；р()сх(\мы синтезатора речи Диджитокср, о KOTopoit можно судич'ь ио n’reii структурнсН схеме. (>'г()а>1；а(''г м()дп(1)11 к;и 1,иit, ьоч'орые оы.чп ткчч'ны фирмой! «11;)111пл семикондакто])» в стандар'гны1Г процесс син- тез” но м(ргоду д(*.т1ьта-моду.чяи,ш1. Хотя н схеме име- егея блок, пазванньн! декодером демодулятора, 4)унк・ цип дольта-демодуляции oc^unecTiLiHKncH вспомогательными |)(ч'пс'г])；1М11 л услингге.иями. Нги пе|)ифср1пп1ые 1)(']'п сг1'|)ы енл/кают зффоктнвную скорость передачи данных в спнтозаторс и, с.чедовато.чъно, умеиынают
М2
nh-3d3u .cbeo 工 石三anxwDd20dljnh-3d3u .cbeo 工 石三anxwDd20dljv27g Wie ллоёф-пфад ojo 自 &d ENQko KeHdAIMAdl0二'5 JHdv27g Wie ллоёф-пфад ojo 自 &d ENQko KeHdAIMAdl0二'5 JHd”8”8Рис. 7.12. Структурная схема речевого синтезатора Диджитокер с yiipauzieuiiCM Ьт переключателей. (С разрешения фирмы «Нзшнл семикондактор корп.».)Рис. 7.12. Структурная схема речевого синтезатора Диджитокер с yiipauzieuiiCM Ьт переключателей. (С разрешения фирмы «Нзшнл семикондактор корп.».)
nh-3d3u .cbeo 工 石三anxwDd20dlj
nh-3d3u .cbeo 工 石三anxwDd20dlj
v27g Wie ллоёф-пфад ojo 自 &d ENQko KeHdAIMAdl0二'5 JHd
v27g Wie ллоёф-пфад ojo 自 &d ENQko KeHdAIMAdl0二'5 JHd
”8
”8
Рис. 7.12. Структурная схема речевого синтезатора Диджитокер с yiipauzieuiiCM Ьт переключателей. (С разрешения фирмы «Нзшнл семикондактор корп.».)
Рис. 7.12. Структурная схема речевого синтезатора Диджитокер с yiipauzieuiiCM Ьт переключателей. (С разрешения фирмы «Нзшнл семикондактор корп.».)
необходимую емкость памяти. Выводы микросхемы речевого процессора, обозначенные SW1—8,— это вход- ная 8-разрядная шина стартового адреса, которая обеспечивает возможность считывания из речевого
* Тумблер одноиолюсньп! на два направления.“
** Кварцевьн! резонатор (4 МГц) НС 18 фирмы «Элсктродай- немвкс корт» емкостью 20 пФ.
ПЗУ до 256 отдельных звуков или выражений. Путем подачи 8-разрядного слова и а этп порты и установки на линии WR высокого уровня производится обращение к наговоренному слову лли фразе, и начинается процесс воспроизведения речи.
Простоту системы синтеза речи Дпджитокер в простейшей конфигурации позволяет оценить рис. 7.12, При таколг использовапип лшкросхедга речевого процессора не ну；кцается в управляющем микропроцессоре. Вместо него люжно пршюлить набор из девяти входных переключателей, с помощью которых выбирается произносимая фраза и запускается синтез речи. Единственными необходимыми дополнительными периферийными компонентами в такой схеме являются
Рис. 7.13. Структурная схе工а репового синтезатора Днпн<нтокер, подсоединенного к микропроцессорной ипше. (С разрешения фирмы «Нэишл сезшкоидактор корп.».)
звуковой усилитель п соп^зяженпый с и им выходной фильтр нижних частот, ПЗУ с речевым словарем и схема тактового кварцевого генератора (OSC).
Система речевого синтеза Диджитокер может быть также легко сопряжена с шиной микропроцессора; с этой целью управляющие ллгиш от входиглх переключателей заменяются управляю щими линиями от микропроцессора. Типичная конфигурация сиитезаторпой системы с микропроцессорным управлением приведена на рис. 7.13. Командные линии, идущие к микросхеме речевого лпткропроцессора, функционально весьма просты, п их назначение нетрудно понять. Линии данных
DO — D7 передают стартовые адреса слова или фразы. Линия WR эквивалентна линии чтение/задись (R/W), сигнал которой используется для стробирования дан： ных, подлежащих вводу в регистр управления речью. Линия АО — зто линия выбора команды, которая определяет способ, используемый микросхемой речевого^ процессора для обработки сигнала прерывания (INTR) перед его возвратом в микропроцессор. Сигнал с вывода «выбор микросхемы» (CS) производит подго- зовку микросхемы речевого процессора к приему команд лл!кропроцессора в виде декодированных адресов ПЗУ.
Полшмо базовой микросхемы речевого процессора фирма «Нэшнл семикондактор» предлагает несколько словарных ПЗУ с предварительно записанными в них (в закодированной форме) словарями для различных применений. Стандартный словарный набор DT 1050 синтезатора Диджитокер включает два 64-кбитовых ПЗУ, которые содержат такой же словарь, какой приведен в табл. 7.2. Поскольку в синтезаторе Майкро- маус используется тот же набор микросхем, эти словари одинаковы. Другой набор микросхем, предлагаемый фирмой сНэшнл семикондактор：», содержит базовый числовой набор DT 1052 Диджитокер. Этот огранпяеный словарный набор имеет в своем составе наговоренные числа от 0 до 9,《.》и пять различных по длительности пауз, вводимых в воспроизводимую речь.
Фирма «Нэшнл сеАШКОндактор» может также поставлять речевые ПЗУ типа DT 1057 Дпднлптокер с другим стандартным словарем (табл. 7.3). Слова, входящие в состав второго словарного набора, служат хорошим дополнением к словам йрактпческп для любого возможного приложения. Чтобы убедиться в этом, достаточно рассмотреть конкретный пример с какой-либо специфической фразой п установить, можно ли найти в этих словарях (табл. 7.2 п 7.3) нужные слова или эквивалентного им замену. Следует помнить, что, пользуясь синтезатором Дпджптокер, можно не только произносить слова из этих словарей с необхо- jUiNVMMn паузамн между ппхн, но п связывать (конкатенировать) слова и выражения из словарей в более длинные слова. Так, если нужно произнести, скажем, слово megohms, то достаточно задать, руководствуясь
Таблица 7.3. Содержание словарных ПЗУ речевого синтезатора
Слово
8-разрядньп/ двоичный адрес SW8- S\V1
Слово
8-ралрндный двоичный napec SW8—SW1
Слово
8-разрядный двоичный адрес SW8 — SW 1
ABORT
00000000
FARAD
00101100
PER
01011000
ADD
00000001
FAST
00101101
PICO
01011001
ADJUST
00000010
FASTER
00101110
PLACE
01011010
ALARM
00000011
FIFTH
00101111
PRESS
01011011
ALERT
00000100
FIRE
00110000
PRESSURE
01011100
ALL
00000101
FIRST
00110001
QUARTER
01011101
ASK
00000110
FLOOR
00110010
RANGE
01011110
ASSISTANCE
00000111
FORWARD
00110011
REACH
01011111
ATTENTION
00001000
FROM
00110100
RECEIVE
01100000
BRAKE
00001001
GAS
00110101
RECORD
01100001
BUTTON
00001010
GET
oonotio
REPLACE
01100010
BUY
00001011
GOING
00110111
REVERCE
01100011
CALL
00001100
HALF
00111000
ROOM
1100100
CAUTION
00001101
HELLO
00111001
SAFE
01100101
CHANGE
00001110
HELP
00111010
SECURE
01100И0
CIRCUIT
00001Ш
HERTZ
00111011
SELECT
01100111
CLEAR
00010000
HOLD
00111100
SEND
01101000
CLOSE
00010001
INCORRECT
00111101
SERVICE
01101001
COMPLETE
00010010
INCREASE
00111110
SIDE
01101010
CONNECT
00010011
INTRUDER
00111111
SLOW
01101011
CONTINUE
00010100
JUST
01000000
SLOWER
01101100
COPY
00010101
KEY
01000001
SMOKE
01101101
CORRECT
0001 оно
LEVEL
0100001()
SOUTH
01101110
DATE
00010111
LOAD
01000011
STATION
01101111
DAY
ooonooo
LOCK
01000100
SWITCH
ОШ 0000
DECREASE
00011001
MEG
01000101
SYSTEM
01110001
DEPOSIT
0001101()
MEGA
01000110
TEST
01110010
DIAL
00011011
MICRO
010(10111
TH
01110011
DIVIDE
0001110()
MORE
01001000
THANK
01110100
DOOR
00011101
MOVE
011)(11001
THIRD
01110101
EAST
00()1111(}
NANO
01()(11010
THIS
01110110
ED
00011111
NEED
01001011
TOTAL
01110111
ED
()0100000
NEXT
01001100
TURN
01Ш000
ED *
00100001
NO
01001101
USE
0Ш1001
ED *
00100010
NORMAL
01001110
UTH
01111010
EMERGENCY
00100011
NORTH
01001111
WAITING
01111011
END
()0100100
NOT
0101000()
WARNING
01111100
ENTEB
001(.)0101
NOTICE
01010001
WATER
01111101
ENTRY
001 (JOI 10
OHMS
01010010
WEST
0ШШ0
EH
00100111
ONWARD
01010011
SWITCH
01111111
EVACUATE
00101000
OPEN
01(110100
WINDOW
10000000
EXIT
00101001
OPERATOR
01010101
YES
10000001
FAIL
001 окно
OR
01010110
ZONE
10000010
FAILURE
00101011
PASS
0KH0111
snwE глагольной формы настоящего времени в форму прошед-
табл 7 3 последовательность из адресов 45 (шестнадцатеричный) и 52 (шестнадцатеричный), не внося между нимп никакого разделительного интервала — паузы. п
для тех, кто намерен изучить синтезатор речи Дид- житокер, не вникая в сложности соединений между отдельными компонентами аппаратных средств, фирма «Нэшнл семикондактор» выпускает законченную плату DT 1000, которая предназначена для исследования возможностей речевого синтеза. Общий вид платы
Рис. 7.14. Плата для макетирования синтезаторов речи DT1000 Диджитокер фирмы «Нэшнл семикондактор корпорепшн». (С разрешения фирмы «Нэшнл семикондактор корп.».)
показан на рис. 7.14. В состав платы входят: микросхема речевого процессора, два ПЗУ со словарями, состав которых приведен в табл. 7.2, выходной фильтр нижних частот и небольшой предварительно запро- граммированный микропроцессор. Для работы с этой пробной платой синтезатора речи необходимы лишь источник питания с напряжением 6 —11 В и недорогой громкоговоритель. Эта демонстрационная плата, отличающаяся и с к лючител Ы1 ой гибкостью и простотой, очень удобна для практического использования набора микросхем Диджптокер. Система Диджитокер представляет собой одну из основных систем речевого синтеза в интегральном исполнении, имеющихся в продаже и построенных по методу прямого кодирования-восстановления речевого сигнала. Поскольку словари, необходимые для построения речи средствами
9*й системы, закодированы специалистами фирмы «Нэшнл семикондактор», возможности для создания собственного словаря здесь довольно ограниченны. Фирма «Нэшнл семикондактор» может выполнить кодирование заказного словаря по запросу пользователя, однако затраты па одно слово в таком случае будут весьма высокими. Следовательно, эта система наилуч-
Рис. 7.15.Рис. 7.15.Семейство синтезаторов речиСемейство синтезаторов речифирмы «Телесенсори».фирмы «Телесенсори».
Рис. 7.15.
Рис. 7.15.
Семейство синтезаторов речи
Семейство синтезаторов речи
фирмы «Телесенсори».
фирмы «Телесенсори».
тшш образом подходит для таких приложений, в которых целесообразно использовать уже существуюпще постоянные словари.
Устройство Сериес III фирмы «Телесенсорп спич системе»
Модульный речевой синтезатор Сериес III относится к семейству речевых устройств, выпускаемых фирмой «Телесенсорп спич систелю». На рис. 7.15 модуль Сериес III расположен внизу справа; он представляет собой печатную схемную плату среднего размера. Меньшая по размерам плата (показана внизу слева) — это снятая с производства система Сериес II, а большая плата — синтезаторная система LPC SPEECH 1000, описанная далее в данной главе.
Синтезаторный модуль Сериес III — это схемная плата полноструктурного речевого синтезатора, предназначенного для использования в простейших ПРИ кладных системах. В состав синтезаторного модуля входят следующие компоненты: фирменный речевой синтезатор фирмы «Телесенсори», базовый словарь, насчитывающий 119 слов, речевой фильтр нижних частот и звуковой усилитель. Кроме того, в речевом
этот модуль является автономной системой для генерации речи, здесь требуется лишь командное слово и строб. Сигнал занятости, поступающий от модуля в управляющий внешний процессор, указывает последнему, что синтезатор продолжает речевой вывод. Для генерации речисистему можно использовать в сочетании с простейшим интерфейсом на переключателях (без микропроцессора). Такая конфигурация, которая может служить в качестве автономного синтезатора,
'Сигнал
“ иатиВиз^циа
8~6umo8bia числовой указатель слова
Строб <(С^
Активизация занятости ^^^
Занятость
расширенная занятость <
Лауза (молчание)
* doEgaEH-no
Фильтр
Словарная naMREb
0W0_ годоригпель
Рис. 7.16. Структурная схема синтезатора речи Сорное III фирмы «Телесенсори спич системе». (С разрешения фирмы «Телесенсори спич системе».)
夕
4$в
Рис. 7.17. Речевой синтезатор Сериес Ш с управлением иосредством входных переключателей. (С разрешения фирмы «Телесенсори спич системе».)
показана на рис. 7.17. Для выбора любого из 256 возможных выражений в иен требуется в общей сложности девять полных переключателей.
Модуль Сериес III может быть также подключен к параллельному дшкропроцессорному порту ввода-вывода. Это позволяет управлять произнесением отдельных речевых выражений с помощью управляющей программы. Соединение речевого модуля Сериес Ш с интерфейсом микропроцессорного порта ввода-вывода изображено на рис. 7.18. Нетрудно видеть, что соединения, которые необходимо выполнить, чтобы приступить к генерации синтезированной речп под управлением компьютера, довольно просты.
Базовый словарь синтезаторного модуля Сериес III содержит слова, достаточные для большей части при-
152
153
ложепий, связанных с передачей информации о состояниях и численных значениях характеристик устройств и прикладных систем. Набрав соответствующий телефонный помер, вы сюжете услышать речь говорящих устройств фирмы «Телесенсори», постоянно работающих в автоматическом режиме, и отменить кане二 ство их звучания. Эта демонстрация возможностей синтезаторов по телефону уникальна в том отношении, чт0 позволяет прослушать не магнитную запись, а действительно генерируемую в процессе синтеза речь:
Рис. 7.18. Типичный микропроцоссориый интерфейс синтезатора, набрав номер, вы услышите, как говорит компьютер. Преимущество такого способа демонстрации качеств говорящих устройств очевидно, поскольку она носит диалоговый характер. После ввода речевого синтезированного сообщения вам предлагается словесный набор кодов, которые вы можете вводить вручную при помощи тастатурпого номеронабирателя. Вы можете выбрать любой из следующих кодов:
—повторить набор
или 3 — демонстрация преобразования в синтезировапную речь 4 или 5——демонстрация возможностей устройства LPC Speech 1000 6 или 7 — демонстрация возможиостен модуля Сериес Ш
Подобный способ демонстрации открывает довольно необычные возлюжиости, позволяя в ходе диалога с компьютером определить, что вы слышите. Поскольку
телефонный номер синтезированного абонента функционирует под управлением компьютера, он отзывается почти 24 часа в сутки и вы можете воспользоваться им в любое удобное для вас время.
Синтезатор Когнивокс фирмы «Войстек»
Речевой синтезатор Когнивокс одновременно служит и для распознавания речи. Это периферийное устройство голосового ввода-вывода серии VIO предназначено для использования с болыппнетвом современных персональных компьютеров. Ниже перечислены компьютеры, с которыми может работать синтезатор Когнивокс:
Модель Когыивокс
Компьютер
VIO-1001
AIM-65 фирмы «Роквелл»
У10-Ш2
ПЕТ фирмы «Коммодор»
VIO-1003
Эгшл II фирмы «Эппл»
VI0-132
Сорсерер фирмы «Эксидц/>
VI0-232
Системы на основе 280:
VIO-332
TRS-80, Левел 11 с 16-кбайтовой памятью
VIO-432
ПЕТ фирмы «Коммодор»
Периферийные устройства голосового ввода-вывода серии V10-1000 при их использовании с перечисленными выше компьютерами отличаются превосходными характеристикамп распознавания и высоким качеством речевого вывода. Остальные периферийные устройства серии VIO представляют собой более экономичные средства ввода-вывода с более низким качеством речевого воспроизведения.
Периферийные устройства серпп VIO-1000 способны распознавать до 32 слов, объединенных в короткие фразы, и обладают аналогичной способностью к синтезу речи. Генерация голоса осуществляется на основе прямой цифровой записи голоса пользователя. Такой способ кодирования речевого сигнала открывает путь к построению пользователем собственных заказных словарей. Синтезаторные системы, как правило, поставляются в высококачественном корпусе, изготовленном лптьелг под давлением, в котором помимо синтезатора находятся встроенный звуковой усилитель и громкоговоритель с размером диффузора 76 мм. В комплект синтезатора включены также входной микрофон,
155
154
источник питания, кассета с программой и руководи ство по работе с синтезатором. Эта система весьма недорога, позволяет практически познакомиться с техникой синтеза и распознавания речи.
Аналоговые формантные синтезаторы речи
Следующую группу речевых синтезаторов составляют устройства} воспроизводящие голос человека но методу синтеза формантных частот. Поскольку эти устройства формируют свой выход не путем прямого восстановления речи, они говорят, как роботы. Однако такие устройства дают возможность пользоваться неограниченным словарем — и это очень часто отодвигает на задний план все их недостатки, связанные с неестественным звучанием речи. В частности, при определенной натренированности слушателей к воо приятию фонетической формантной речи синтезаторы такого тина оказываются вполне дриеамемыми и могут с успехом заменить синтезаторы речи других типов.
Хотя данный метод генерации синтезированной речи используется уже довольно давно, подобные устройства по-прежнему сохраняют свою конкурентоспособность. В табл. 7.4 перечислены имеющиеся в продаже формантные синтезаторы речи. Благодаря фонемному методу синтеза возможности этих синтезаторов весьма широки. Остановимся теперь подробнее на этих средствах аналогового моделирования голосового тракта человека.
Читающая машина фирмы «Курцвайл компьютер продакте»
Хотя читающая машина KRM фирй!М «Курцвайл» не является непосредственно компьютерным периферийным устройством и при ее проектировании такое использование не предусматривалось, эту машину можно считать важной вехой в развитии средств синтеза речи. KRM ——это комбинированная интерфейсная система, состоящая из оптического читающего устройства и синтезатора речи; она предназначена в первую очередь в качестве читающего аппарата для слепых.
Читающая машина KRM обеспечивает прямой индивидуальный доступ к печатным и машинонисньш 156
支^la 窘
5§c§需 尚^言
о § 2i § i士 $占力^
g gu
и ^ ^ л六三me:咚UM
о 2о
3 §^ S2 И S S § к 5 S X 5
, 噴
丈北s
a ок о
g- 3
e аи s4 *e a
g Л3v3
=Md7 Gd
1 wawoо
=i 公Eds：
弟括
материалам слепым и людям с плохим зрением. Си- CTGMa KRM модели Ш довольно компактна и внешне напоминает стандартное множительное устройство конторского тина. Читающая машина обеспечивает фонетический синтез речи из информации, поступающей от оптпчбской системы распознавания печатных и машиионисиых знаков; это наделяет ее неограниченными в словарном отношении возможностями речевого воспроизведения текста. Рис. 7.19 иллюстрирует использование машины KRM модели III. Кинга укла-
Рис. 7.19. Работа с читающей машиной KRM модели III фирмы 《КуриваНл компьютер продакте». (С разрешения фирмы «Курц- в ай л компьютер продакте».)
дывается на читающее сканирующее устройство считы- ваелюй страницей вниз. Система оптически отслеживает строки печатного текста п декодирует их, воспроизводя содер?кание книги в словесной форме. Небольшой пульт управления оснащен удобной панелью, которая дает пользователю возможность осуществлять временный останов машины, возвращаться на одну или несколько строк для их повторного прослушивания, пропускать очередные строки текста, находить нужное слово и заставлять машину произносить его, а также производить начальную установку лгашины в соответствии с форматом книги. На этой маленькой
панели управления имеются также органы регулировки громкости, скорости чтения и высоты основного тона. Управляющее устройство размером 25x230/ Х51 мм содержит встроенный громкоговоритель, откуда и звучит преобразованный в фонетическую форму текст.
Все электронные блоки читающей мапшны фирмы «Курцвайл» показаны на фотографии рис. 7.20. Помимо напели управления (внизу слева) здесь изобра-
Рис. 7.20. Электронные блоки читающей машины KRM модели III. (С разрешения фирмы《Курцвайл компьютер продакте».)
жены два блока: оптическая следящая спстема и электронное устройство управления оптической сканирующей системой, причем первая нз ппх установлена на втором. Для автоматического чтения документов размером 278 х 356 мм в оптической следящей спстеме используется камера в виде линейной матрицы сканирующих элементов. Электронное устройство >тправ- лення для следящей системы включает схемы, необходимые для выполнения таких операций, как сканирование, распознавание знаков и преобразование текста в последовательности фонем, пз которых складывается речевой выход. Чтобы придать читающей системе большую гибкость, фирма «Курцвайл» установила и а передней панели электронного устройства управления цифровой кассетный накопитель на маг-
нитной ленте, что облегчает ввод в систему программных средств, необходимых для работы читающей машины.
Чтобы проиллюстрировать сложность процесса чтения, выполняемого машиной KRM, специалисты фирмы «Курцвайл компьютер продакте» составили блок-схему этого процесса, по которой можно легко проследить операции, реализуемые машиной. Последовательность действий, происходящих при чтении, отражена на рис. 7.21; эта диаграмма не только поясняет работу машины, но и позволяет представить, сколь сложны прикладные задачи синтеза речи. Как видно из блок- схемы, текст книги или печатный материал сканируется оптически посредством камеры и после соответствующего усиления визуальных образов преобразуется в электронные сигналы. Эти сигналы затем подвергаются обработке в соответствии с довольно сло;кной программой распознавания образов, которая обеспечивает идентификацию каждого считанного знака. Этот процесс настолько же сложен, как и синтез речи. После того как печатный текст преобразован в цепочки электронного «текста», перед системой возникает задача преобразования дешифрованного материала в фонемы, которые подаются в речевой синтезатор. Словарные возможности и правила фонетических преобразований, используемые в системе, довольно типичны для большинства синтезаторов, преобразующих печатный текст в речь. На выходе системы получается фонетически воспроизводимый текст, для восприятия которого требуется известный навык. Однако следует отметить, что способности этой системы в речевом воспроизведении текста поистине ни с чем не сравнимы. Эта система речевого синтеза, безусловно, преследует весьма благородные цели. Ее приложение показывает, насколько далеко ее возможности опережают возможности говорящих торговых автоматов.
Синтезатор Свит тонер фирмы «Майкроминт» Синтезатор Свит токер —— второе периферийное устройство для синтеза речи, выпускаемое фирмой «Майкроминт инкорпорейтид». В то время как в ее первом устройстве — Ма近кромаус — для генерации речевого выхода используется набор микросхем Диджитокер,
N±* (工考星l噜g ssf ■ndEwoa а-аЕавд-Епб
аА.:-^г:1-'''''-'
畲
*当三2昌 032§ bbw 6dgo 4出忑、90
•••
旦
f'w 崔нгт\ -'》!s'z - y^J'^ 土后Aggz 3_w卜 mm ^3^83
6，do<b ^5Ш
Q°°
0 yNHHSgaii
о
о
irartdatu0工 ^QHED/au
0 —旨 du'3I
・二畲
R=工Qinlg
§i qudqQ
тутпузЕ rMDXQdES DC9n
0К20尸 DYnwuq9Dd= 、6DQdu
uanu UDmghdnHDNS
^вйй- 0^ш5^1жш ш£§^^м^^^й^^^^^^^м^ишин^^^м^
HjspE更=⑥ ±lppwgu-ppQN =3MZ」n>!-I
当芟言冒303 -д复8НЗ
之一(&也、U兰产8Gp©н мнеё 日
7 YgoOJou
; 『 х^ё.г^ is^-j亞星亠容豆号电呑门
n nnh当£• udog食 м}，,28旦^^总碎番и §MW^л;^^寸直医8n詹圖
，•乡A^f-g旨 HzxhnQOQOdq 0、飞爲
^Mnlxi icw^ ^зйо^^юйн
s№qa
/加 уте ? mi^o^d9^u
"3然&",7修点/
♦ s^oss 学三HQd-ma
зояуне ^Hvav^ouovd 也力 сит/
«од^ё^^ EWBXU--h ・0=d
衿
-II ш_&ион2нм ПШШ 一 iio'moiBjjihimHBgocInH
7二之 CIVXLOENO二 ^„.-л^^ 3S&^- К1Ш8Ш二7
-зпох-'-л-'二二 IN-一-M'K-N :""==二'二二=="二"二 ，三二二 nJ(L二=二 5) -_『 二二:一-L-wu二三二二」=二3 J二二二三三二二)二二一二 1)二、~Ifs二一:二.宀二二=二 NJ 二二二二二三О一三二:二二二三」- ;二 1三:三 二二二三二•，x 三二: 二-"-±-^^5^:)二〔二二一， -ки-н-т 一二二二 и二二工匚二-MJ.a 二 L，8-LO±・)』= J〉J3En)= <3^0--二三(二占 к二-"--^0 --------§ 二LnM-一二二一二(二一+)-= 丄)=一W-J三J=:00 —0 二EU-MhAUKO三二二三二门 l匚二二二二一二三Jx 二()--• •二-1二~ e二 ш=1 三二二三 二二三-J S ^---^-"^=二二n.gus ---- -"---s = SE-£~0-^00一二a=二三 一一二0二0二二二WI0¥二三二 II —UUC?二I.二二=自二•二一w ?二二=0 二子0) •二uu 一一二二=一1 — 2100 :_-三二二=〔 •『 二三WJH I二一二olnv.J -^^.SH^-rwcK 二一 二-^-^к-^-с^-х^о^ -^ • ^.^ —ьнхи-Еииш 三」二J..I 工 d。g■NU二uloo-BIKEB 二
£gi
791
-(HHvai3dnA коэиоф(1э1ни э нип0ни1/ооэ апшмо!?。lOiAtixo -iXjio 已叫工3 要0上£ g '£Z'L *ЭИ(* ?h hhheunou iiivuifoariii r% о у)-3s 1чивхэо(1мпк noiido^uEOiuno vkoxo HBHiLfJxSdiD
° •nsvdgo eNHShsd агнизАд
-odx игэояеиобиэоя oii;><oi4 ofoxria ojo oh * (Дохнеахниэ я 吧Нонн в eV шзно虫 ихэончь'эхияо^эь'эои наеЕдпн noEEdgo NHlne出jlPeh 'vtOM одоныюя^ ojotiVKdeBd-g Kosxoii'adooii HjiaBiraualnXoo ки(1оюм я иб/ооМ "«ниено巾 эпниие -ged ^9 кн qjKNen oiXiniaocUoH 】завш uivaxoodMHiv 〃)-DS (1о1веэхииэ иояэьэс! я BVinBliOxg ,(ihad снЛневяэ зКн -HisdaduoH чх1?яо(1иеэ1Н1гэ имэоыиэноф ivano巾 хеьои -эй Нохн ою ен иинэЕилхэоп ш!п Екз lOBfoaeon oih 'иноие工 Bdoj-Hsoj-Hiio eivaxoodninv 耳онНо ен ojoinioodхэоп
(YFdox aavdiog» нк(1нф BiiHOinadsed 3)飞JxcdLoa» riitdit巾 口卜3s edoiesaiHJia ruo^ed aoDOhodu я иипексЕофнц ияоюп '2Z'L rud
-ifdoaoJOMivodj luaonivodJ intudcHHi?大uad э н丄ooiimow нашиаштоА и хоюнь хняомЛяе njvi?di(iifii(|) кн@т已н -эо ruuirn 9i4iiivaxo ад。%[十 и q+ иккинэм<вс1иин о аоннньоюн ю вэлэ^иш udoiueeiHiio quAHoit 丄о丄(: чш1тмЛ(11эном ээ aio工00dli и iq工uuu xBdaivevd о дтнПбз jqhhoheou nridoiOM 厶 'and нн HSx/edgoEa daMox 工叮日3 riivirn ионкэхэ inviidva ^FiaqrarEudeu 工寸卄 не 分"？2少£〃/『vEvndX>E sHsivoh комэчйрнхнээ н rhiohuo uiriqg 'uiiodBqQ isohh工3 HVinivaodiUMeoduo Х1зн •о丄 工iihj QdoiewaiHHO BiitiMAdionoM винчггек^ножЗэц
'НКЭХЭ noie iiMiiioiideiMudvx ivaVaandu hk airaMwed NamoiABairo a ^Mudxog ueoxiino оломэаьих -эноф uivaxoodynin кэюХе^ггопэн сЕэмох 1,1133 osiouod 706 a AKqWOMOOJJ •JV01d0n-ffJjJ； JVMHIEOFEVdVU П1ЧИ -HahiHiioo 'Kodoioi^niWM к no 01 e о эина>ин(1иоэ ни Giehoud н BiiusodiiiMeodno dsno工 工乳任口 vdoiveeiinio uiuuu ки(1
物7% <
附3初-
10-3S
曲JJOiQUHOV
-0或吻
^оэязиц 力q勿嚥/
£3 Otf ЗУ
т
%
У/V
012
Sd~Od
YЛ
Ззнано(Ь 必0% эо(/ивс-~апн а -эдждэдшдои !9^эносЬ доя f+； ьпнанвдх
ndsnzQd so^n^dsgoj
ШЛО z\ 2“。山 020" --一、.州зо pwoaQg
必у夕ЕааносЬ °吻
ojoie HHlinAdiOHoyj 'Хкохэ снЛнчп'^Цлэхни oiXhomiiii'i/os -odnXiron oiXiiwoHoxae (ичюошгоп иодоэ .ювь'явхэ^осТи Чэяе(11од» иoI$Idиф иш^аияэХшчя * !()-□§ и had doxHsiaxnnQ
«oniediog»[0-3S х?иих
iedoiE£oiHH3 ojo&ehad ojoHwano(|)Pivoxoocbnipl
'яокэ MHHuuowudgo и(1п 我ано© KMHQHHtfaoo (мчгэошкоиеоя о ониевяэ охь Ччнноь 『Hedjoeii MduHOHo хи ^инэ^гиАдеоя аонигзноф хоюни аеяох 工иир ийохееехниэ елнвмНея идо Амчеомэоц иокэх
(•《•ннп iiiiiivocImiiv^» шхЛпф HiiHoiuodcnd 3) ■«iiinivoclMin；j\[,> икйпф daHOJ, хияэ vdoineoiniio оломэоыиоиоф vxuirn 'ZZ'L P"d
~o叩 * j j rung udeioiqnitoM иоонгп NOEudeUH?工a hh uqlj -HOdioX оюниисТэфийэи kitV 0cзна н оннанно"а〔1зсшзн KOJi9l?IiOrEMt/on “[ rung 1?(1ЭХ01*1Ш^0Я BlfH ИНШ1Э111М1£1?И 、心du 1(Ьяох ишэ doivsaiHHQ -хинзкаоф хб&П я сиЛка 'ПяиЕяеюлеи Xjuim (мЛнлеьоп огХшчкодэн 耳0900 工8“支 j&egHsdu doxo工 ihaq doiueejJinQ '«OMdoX oidso iivdatf -Эф» нкйиф «oHudioq» ivaHiiaira^io никаинзХт^я 'oued』 -од VTO'DS med неэшиэ ojOMOOhHJ<ano4) vivaxoodMHK KaiQKHOKHdri Hifoii hoj-c BiriZ daxo』1mH3 QH^nodio.^ я
щеро компьютера. Шесть двоичных ])азрядов входа используются для адресации требуемой фопемы в памяти микросхемы, а еще два входных разряда — для выбора высоты основного тона загграишваомой фонемы. Ecw управляющие данные на эти вход|>1 поступают со скоростью примерло 70 бит/с, синтезаторная схема заговорит. Поско.гьку интегральная схема спроектирована на основе К .МОП-технологли, полный потребляемый ею во время работа ток составляет всего 9 мА.
г
一 一 一
-
7 Л 忙 w
последнем формантные фильтры 尸],凡，% 兄 f соеди- ненм последовательно, а не параллельной Однако конечный результат в обоих случаях одинаков.
Крохе отдельной синтезаторной микросхемы фирма 《Вотракс» выпускает также несколько различных модулей речевых синтезаторов, в которых эта микросхема используется для генерации речи. Первый из них — ото модуль Спич ПЕК (контроллер доступа к фонемам), показанный на рис. 7.25. Он представляет собой относи： те；!ыю недорогую автономную систему с низкой скоростью передачи управляющих битов, в которой для гене-
ш 9Ли
—odt。-
tT
§0?、4 忐
аз rdoyaw
^0 ^^^^E^^z.
，勿@5
Память
д)онем. Алезритм построения временной. Зиа?раммь1
内川g乃网内
F2
:;W?峥威忌该渺竺必冲次"众УЗ3勿0做纱
窗侬纭依"浓%
琢做概^^^^磔0/7-
£発物召？.<2切衣?
倒滋汤齿淞二：:単设纤:： 存緑統縛:上*:
衣宓衣忆%
Рис. 7.25. Смнтезаторньнт модуль Спич ПЕК фирмы «Вотракс». (С ]ianpeijieiiii>i фирмы «Вотракс».)
Рис. 7.24. Структурная схема внутрошшх олоков синтезатора SC~(M фирмы «Вотракс».
Эта особенность синтезаторной микросхемы в сочета- )1ии с совместимостью ее входов с ТТЛ-схемами де- 〃ает ее идеальным устройством для сопря/кеиня с любым персоналы!ьш компьютером.
В действительности функционирование такого синтезатора в интегральттом исполнении весьма сходно с работой формантшях сгтнтозаторов (см. гл. ()). Структуру этой микросхемы (рис. 7.24) полезно сравнить со схемами, рассмотренными в предыдущей главе, что дает возможность идентифицировать различные по фунК' цноналвному назначению блоки. Явное различие ме；кду ними и данным синтезатором заключается в том, что в 164
р&"нн речи используется встроенная память фонемных пос.чедователыюстей и слов. Принятая конструкция контроллера позволяет системе хранить доступные для выборки слова в форме 8-бантовых приращении. Емкость встроенного в hoqyxE стираемого программируемого ПЗУ типа 2716 предоставляет в распоряжение пользователя словарь из 255 слов. Кроме работы в ре- ;киме обращения к хранимому в памяти словарю, контроллер доступа к фонемам может так，;е производить внборку отдельных фопех, вводимых для генерацпи фонетической речи впешшш устройство.м. Это наделяет говорящую систему способностью работать с неогра- плчелным словаредг.
Структурная схема контроллера доступа к фонелгам flaiujoro дюдул л (pre. 7.26) показывает cxevinie компоненты этой пл<1ты. Д.чя генерации фонетической речи иеобходн.мые соединения с платой осуществляются
s
s
^1 QWOJDdnEa ^mazw ^Esoc 豆dDgouCJ
/效2? QU'rp%r^>3 尸歹J胃勿/
s0§§0 era号
(•《JMEdlom》aNdne в 二 HamadmEd°) •《JHPdlGH》
З^АЙ^ ^ыс ЁДО adoIBmBIHnJ « qBHaMIIEBOJ хгшьокджвк EHJXJ BEHd.ANAdl。•o-1•=£
непосредственно через ряд параллельных портов. В модуль Спич ПЕК входит, кроме того, звуковой усилитель, осуществляющий прямое возбуждение громкоговорителя.
Фирма «Вотракс» предлагает и другое автономное устройство ——VSM (многоцелевой речевой модуль) типа речевого синтезатора, которое построено аналогично модулю Спич II 1£К, но дополнительно имеет встроенный микропроцессор. Это устройство, оснащенное
! снизу也個依仪"不留•川，…0
j e{匸簿ezz ' So^coc^~?^^
、®3% 儿少 рас^рс^ [
i £；；6夕444{%："4d GMEmz ff
；/^(Ь或岱,欝晔冷黑史〜
"、倉庇疗勺5m7v
7F切贡7办方；次；;&岑w，二守~1
■盯淞/；：;;，泌:泌,0：优、s
P^yj^lipobsil，燄?/分呼：會 〜1~’
£*；心融抬汾.s№*a心敛給m
C心7比冷0込%疗8
Ux底*6 d»?占？*/号力心
，您П夕夕中(或决^К庐"依"" 氏 J$，1G必，M# .吵統;K，y?&r弘
С^Зиншпл^о /W.农「 衣&矛Л@例咁
.〃*з#Мт 岷魏¥ ；
C庚炉”纟«gm :
::齧:处:L佟們斤3发一修二
:爵昌一炉以 ?俏 战加• &碗施寥. 戀经… napsp^j^ifu加加私 mw依幽脸？ “怨成施,-；；
М«Х2»М%&сМ 胃"扌 「"磁•滋二J :上/讶做心曲后切洒；汤不可 舞1宾二蕊标：謚辱憂
Рис. 7.27. М л кроном I пяоторная плата синтезатора VSM 1 фирмы «Вотракс». (С разрешения фпрл(ы «Вотракс».)
встроенным микропроцессором, хо小но использовать в качестве полноструктуриого микрокомпьютера, позво- ляioiii,ero моделировать л разрабатывать говорящие систелпл. Встроенный процессор можно также запрограммировать на выполнение лшравляющих и контрольных функций, которые осуществляются одновре- м(»нно с генерацией речи (неограниченной по словарному составу) в реалliiom масштабе времени.
Модуль VSM (рис. 7.27) содержит параллельный колшьютерный порт — для непосредственного сопря-
женпя с персональным компьютером и последовательный порт RS-232 —八」Я непосредственного сопряжения с опори горскими тормшшлс^ми. Раоота сис гсм1>{ с речью ортаннзуется встросмно並 речевой опсфлцлошюй системой Воксос. На фотографии модуля VSM видны свободные гнезда, которые предусматривают возможность расширения как операционной системы, так и автономного словаря. Из сказанного ясно, что благодаря автономному микропроцессору (М 6800) возмо/кности этого синтеза модуля речи весьма значительны.
Приведенная на рис. 7.28 структурная схема одноплатного устройства, сочетающего компьютер с речевым синтезатором, дает представление о широко^[ применении периферийных схем, сопряженных с базовои микросхемой синтезатора речи SC-0L Когда в распоряжение синтезатора речи выделяется определенный ресурс вычислительной лющностн, его возможности становятся практически безграничными. В этом случае объем памяти для хранения программных средств и словаря, находящихся под управлением пользователя, довольно велик, благодаря чему подобную систему можно использовать для решения сложных прикладных задач. Входящая в состав операционных программных средств программа позволяет осуществлять межкомпыотерн^чо передачу произносимых голосом команд, что, по сути дела, обеспечивает регистрацию речевого выхода. В результате ведущий компьютер может управлять периферийными синтезаторами речи во многом атгалогпчпо тому, как он управляет буферизованный!： принтером. Хотя цепа такого устройства относительно высока в сравнении со стоимостью большинства других периферийных модулей, пригодных для синтеза речи с помощью персональных компьютеров, его применение экономически весьма выгодно.
Мод^мь VSM мои<ет располагать встроенным сло- варедг на 1300 слов. Кроме того, в его пгигятп люжпо хранить записи различш»1Х звуковых эф(})ектов и мак- роинструкции для воспроизведения записанных звуков. Хотя эта система п не способна преобразовыват!^ печатный текст в речь, ее возможные приложения бесчисленны. Поскольку фирлта «Вотракс» разработана автономный модуль Тайп'н ток — синтезатор речи, способный осуществлять преобразование печатного текста в речь,— далее мы рассмотрим его.
1GS
-"9H2 §，纟аЕпнпаа&O9。
тшодо£Я1Гоц
1ГЗШй§0СЯ1Г0[1
WdUJDgOCqifOU
0089 doDDabodu 一wnw.
映丝 9
ПШОМОУЗ 吻/吻
p戦吧
-audumod
8XX5 8 纟 8 A- ПУП -WN y§ NX、 Ny% ЧЙ 8XXN
ZX*A 3§ 8XXZ
Edou'!
g-z
qEKEg KDm ，6UA
©EgNE-J
Edou 工ЕЗЕпагутзоа
//^в^
■ апнпд
-ocDdqoadu доньпшэщ
停匸дкзЕО
Пшэойо^з 喫 odnufi22d
QUJB3DU eoHdogoirj
odowodsHas 020^ •ошуош oasbfi'gae anMah&ir^aii
-&竺
ЗОМ(43ШЗП0
QlfSUJDQOCqWOU
三三二三--^==c=T-^ 二и) •》=〈£ 三三3 EWSAml 二二三&一三)=ш ，r0^^==^0^^ ・》K0N U三kntnnlA.L 士盲。s•三e
量u自s?n £岂
UI
OU
И1ГОИЕП naHtve 3d丄наП g -вимниш вводим винаьош'м^ои HL't N3<L£Ud И1ЧНЧК01ИШ1110ОЗ И HHIIVIIIU ЧЪ-ЭХНЬШЕМНа niiajHOVonovd иь'эн^п ен ена^з -EdaKHqmwM ниании ”зн -hew ин анннэкаоинюХ *нинэгаи(1иХ хянекСо и шкэчеес! эннчеэшни^эоэ 1чниевмоц омплэис! ен '0£'Д ，。混壮 eu
「《jHud工од» ri代dii巾 Kiindinadcvd 3) ，《3乂匕4工0&》 пкЦиф мох h.uiipx edoiuEOiHiia uiwjxj BviidAiHAdj-Q 」£ 厶 P"d
но& н、пк®£ vdoiVEaiHMo oiqtnoivon о iihed HiilivdQiiai 3oahod]j 'iqdoioiqnKOM эишчь'ооэп чнэьо эжнК чхнпэкис[ц онжок ivadHHOva 1flаннзьннвНиозн о naad untaHdaHaj ннП Уохен£ 0£厶 иокэ^ро q工нквп oiKiida巾Кд и doaoahoduod -мин инннаяюдоэ 1ээки doiUEeiinio ioie Лячеомооц •кэноф оЕоан ndn (% и ихэмэ! oiomohiie'jhv зНоаа ndn (j, rxvRHMod хКнН я iiiVosEiiodn doiveoiHiro Hhsd oiii'nBdeiiaj •OWEW-SH idon И1Чнчеэ1Пяо110еэоп wadah ончтгэнгьо^мэи BoioiBEmootaXoo няня。SHhoged 010 ззн и 'шше^ии конин -воюй ivHiiHaodioa иэТп^нэо hq -Лйэю^пкоч Лкончеин •oodan XivogoiE x bhio耳odK)£ ouoh耳Hd30Hdsи эяюэкнм
"m夕夕
(*加0 幽 QiLioo^^a)
Qh@dд вшэиэш qu330gosdgoad/j
自缈绚 < / ^г ir^adau >
勿/g
2夕例叩
<缈5f
чхэ^иа он:нои *ко(101О1чшчом wiquqL'eHOodan и moi и^пие^ иойохееэхниэ ХНзнак винэнп^эоэ wxoodn он^нохоен
винеизьэпoioaiva uhsd BSdHdsHsa 'edaiHHdu 工don имн
.(•《jHBdiog» пкйиф KiiuoTnadcud j)
'иоаalowuком э moi hjjiipjl edoiveoiHiio кинани'Е'доэ 'ОЕ'Л ◎【<!
(•<<эяейюд» нк(1пф кин0шос1ср(1 д)
•«эявскод» нк(1иф но工 н.и^в工 йохееэхнпэ “oaahad р乙2 e【d
-4ifaieaotf0if0on £adeR оннэяхэ^дбэопэн XdgxoiauivoM ” чхвниуэоэ^оп онзном эвьХеэ iwie а Акохэиэ oiAiidoxeegx ончео^ияхоиэ^' 'edQXHHdu ojoEoieiehsii oiibodio -ou олончкэхеяо^эЕэоп эиаюио^ и xu”，工00dli 83K чтгохо
а 叮工еылпхМои оимюк цпсТоюя ^vdoj.veaxuro o%h：?h?jh^ э1/иа a oiivaodiiXdionoMO moi ояхэио(11э 6б 厶 °二 ен oHugexon яеу! mad a vjlomoi оюнхеьэп ：；： -oeudgoedn ivoivindojin? 0 uaionodxo^ эннн^эипо здао a 丄зе工зьюо «OMVdioq» 1якс1иф “о丄吃口贈工 °工，°
《Dxudsoq» Н^Йпф
>101 Н卩耳U doiueainno цояакэа
Таблица 7,5. Технические характеристики синтезатора
Taiin'H ток
Физические характеристикиЛрнна 193мм
Глубина123 мм
Высота 65мм
Масса 0,896кг
Допустимые окружающие условия
Температура При работе от4 до 38℃
Лри храненииот—37 до 十65'С
Влажность (без коид^нсащш) При работе от20 до 90%
При храленипот 5 до 95%
Электрпческпс характеристикиВход т|}ансфорД1аторак*
Вход TNT *
выводы вывод ：
120 В? 60 Гц, 20 Вт 【1—3: 26 В пер. тока, 180 мА 2: 20 В пост, тоха, 50 мА
вывод 4: опорный уровень
0 В
Интерфейс
совместим с RS-232C, 75 — 9600 бо/( кадровые бнтн: стартовый'—1； данные — 8; стоповый — 1
Звуковой выход
1 Вг на громкоговорителе с входи, сопротивлением 8 Ом, связь ио переменному току
JlPiiojibaveTcn только трансформатор фирмы «Вотракс»-компонент ^. о 1р-12 2-4 В
С разрешения 次“〃」：儿 «Вотраке»
установлен соединительный разуем последовательного порта RS-232, а также переключатель скорости передачи, который позволяет изменять ее значение в пределах 75—9600 бод. На нравом краю панели установлен соединительный разъем для подключения громкоговорителя, в качестве которого может использоваться любой стандартный динамик с входныдг сопротивлением 8 O^r.
Внутреннее устройство синтезатора Тайп'н ток фирма «Вотракс» хранит в секрете, и поэтому мало что известно о фактическом исполнении схем, применяемых в этом устройстве. На структурной схеме (рис. 7.31) показаны лишь основные рабочие функции синтезатора, отраи<ающие п ри 1щи пи аль иы й мекашнзн его работы.
Анализ этой схемы показывает, что система может служить как периферийным устройством с пассивным откликом (прозрачным), так и прямым интерфейсом с колшьютерлым управлением. В любом случае поступающие иерез интерфейс RS-232 последовательные данные от компьютера накапливаются во входном запоминаю- щем устройстве емкостью 730 знаков текста. По мере введения данных преобразователь печатного текста в речь преобразует гшглийский текст в коды фонемного управления, которые направляются на микросхему речевого синтезатора SC-01. После зтого фонетически генерируемая речь усиливается и выводится через громкоговоритель. Б.чагодаря слоишости используемых программных средств синтезатор ТайпЧ: ток может принимать фонемы и печатный текст, обеспечивая пассивный отклик вводимой информации, а также воспринимать данные из знаков верхнего н ни；1；него регистров в различных информационных контекстах.
Технические характеристики синтезатора Тайп^н ток приведены в табл. 7.5. В ней отражены оперативные возмо；1；ности системы при работе с любым персональным компьютером, а также требования к ней. Это весьма простое л вместе с тем мощное устройство, работающее по методу формантного синтеза речи. Оно обеспечивает 11еограничепмый словарь, но его речь, как н у всех формантных синтезаторов, по звучанию напоминает голос робота.
Синтезаторы на основе цифрового моделирования голосового тракта
Все коммерческие синтезаторы речи, описываемые в данном разделе, генерируют речь на основе цифрового моделирования голосового тракта. Основными методами речевого синтеза в системах зтого типа являются методы ЛПК и Паркор. Л ПК-синтезаторы речи разрабатываются главным образом в США. тогаа как метод Паркор развивается в Японии. Одно из главных препятствий, которое японцам приходится преодолевать, чтобы обеспечить сбыт своих говорящих изделий в США, связано с генерацией правильно произносимых англии- ских слов для словаря, хранимого в ПЗ、синтезаторов. Ситуация весьма уникальна. В то время как японцы, по всей видимости, смогут научиться читать и писать
1.72
Табл ица 7.6. Характерпстпкп выпускаемых речевых синтезаторов Л ПК-тип а
Фи рма-пзготоЕИтел ь и название
Тип синтеза
Размер
Речевые возможностп
Тип сопряженного компьютера
1. «Хнтатн»
HD61885
HD38880, 38881, 38882
Пар кор 10-полюснып
П аркор 10-полюсный
28-выводной типа DIP
42-выводной типа DIP
корпус
корпус
Словарный состав речи определяется содержимым заказного ПЗУ
Любой
2. «Стрит электронике» ЭКО II и ЭКО-Джп Пи
10-полюсное ЛПК («Тексас инстру- ментс)>)
10-полюсное ЛПК («Тексас пнстру- л1ентс»)
50x178x127 мм (плата машины Эппл П)
Фонемный ЛПК-пре- образовктель «текст — рень»
Эппл II (ЭКО II)
Любой (ЭКО-Джи
Пи)
3. «Спич текнолоджи корп ./>
М410, VE/S100
12-полюсное ЛПК
12-полюсное ЛПК
Печатная плата 102x102 мм Печатная плата 127x254 мм
Постоянные ЗУ со стандартным словарем
Любой (М410)
Сопряженный с шиной S-100 (VRS-1W)
1
4. «Телесенсориспич системе»
Спич 1000
SP1020
Проуз 2000
12-полюсное ЛПК
12-пол1осное Л ПК
12-полюсное ЛПК
Печатная н,пага 1783()5 мм
432x457x76 мм
11ечатная плата 178x305 мм
С.юварпос ПЗУ
С.чоиарное ПЗУ 11реобразователь «токст— речь»
RS-232: параллельный интерфейс на
TTJI-cxeva 工
Любой с интерфейсом RS-232
Любой с интерфейсом RS-232, шина Малтибас
5. «Тексас инструменте»
Симк ：шд сиелл
10-пол tocHOi1 ЛИК
”)3〉、3()5х 5() мм
Словарь не более 200
Микропроцессор
TMS 520()
PASS
10-1Ю,гносное Л1Ш
Л ПК-кодер
28-ni.iB()auoii корп\ с типа DIP
11('])еиосное устройство
слов
Внешнее ПЗУ
Иреобразоватоль
<<]Н'чь — ЛПК» реального вромеии
6502
ciиглпйски© тексты более ббгло, чем это способны “е- лать даже сами американцы, м&ловброя! но, что их англпйския речь окажется при6млемой для наших сио- варных систем на ПЗУ. Словарь такнх систем должны «наговаривать» либо американские дикторы, лиоо япон- ехпе ди кторы, говордгцне по-английски беа японского акцента.
В табл. 7.6 перечислены выпускаемые сеичас устрой- ства речевого синтеза, основанные на цифровом люде- лированпи голосового тракта. Хотя эти устройства разработаны преимущественно по лтетоду линейного предиктивного кодирования, в таблице упоминается и метод Паркор; тем самьш мы хотим подчеркнуть, что и в этойГ области наблюдается значительная активность. (Метод Паркор в своих основных чертах очень сходен с методов ЛПК.)
Предполагается, что в ближайшие годы список этих говорящих изделий будет быстро расти. Синтез речи по методу линейного предиктивного кодирования успешно конкурирует с другими методами синтеза речи, что объясняется его большой эффективностью и меньшими требованиями к скорости передачи управляющих данных. Кроме того, по своему качеству ЛПК'речь приближается к записанной речи.
Синтезаторы HD 61885 и HD 38880,38881,38882 фирмы «Хитати»
Хотя говорящие изделия фирмы «Хитати» не просто приобрести из-за высокой стоимости, описывая их здесь, мы хотнм познакомить читателя с общим положением дел в области генерации речи по методу Паркор. Фирма «Хитати» выпускает два основных типа синтезаторов речи в интегральной форме. Первый из них — речевой синтезатор HD 61885, К/МОП-мик- росхема на одном кристалле. В корпусе с 28 выводами размещены Паркор-силтезатор речи и 32-кбитовое ПЗУ, служащее речевым накоплтелем. Кроме того, в состав устройства входят цифро-аналоговый преобразователь и интерфейс клавишного пульта, используемого для ввода информации. Емкость ПЗУ, расположенного па кристалле, эквивалентна 26 секундам речи. В среднем это соответствует словарю из 63 слов. Добавление г микросхеме синтезатора внешней памяти увеличивает
возможную длительность синтезируемой речи на 100 с в расчете на одно ПЗУ. Поскольку к синтезатору можно добавить еще шестнадцать ПЗУ, он наделен очень широкими в словарном отношении речевыми возможностями.
Синтезатор второго типа (также в интегральном исполнении), выпускаемый фирмой «Хитати»,— это микросхема IID 38880. Как н синтезатор HD 61885, ОН работает по методу Паркор, реализующему линейное предиктивное кодирование, однако построен на основе кремниевой микросхемы Р-МОП-типа. Основное различие лгеич-ду этой схемой и К/АЮП-микросхемой состоит в том, что она потребляет большую ающность. Возможности хранения речи у синтезатора HD 38880 (в виде микросхелгы) такие же, как и у К/МОП-варианта. Фактически, если не считать различий в полупроводниковой технологии микросхем, эти два синтезатора почти одинаковы. По пршщнпу работы л степени сложности оба этих устройства очень сходны с синтезаторами, которые мы опишем дальше.
Синтезаторы ЭКО II и ЭКО-Джи Пи
Синтезаторы серии ЭКО, производимые фирмой «Стрит электронике корпорейшн», можно считать первыми ЛП К - с и итез ат ора ми речи для персональных компьютеров, которые появились в продаже. Основной частью синтезаторов этой серии является речевой процессор TMS-5200 фирмы «Тексас инструменте». В настоящее время фирма «Стрит электронике» изготавливает синтезаторы ЭКО двух вариантов: ЭКО II п ЭКО-Джи Пи. Модуль речевого синтезатора ЭКО II показан на рис/ 7.32; это говорящее периферийное устройство, предназначенное для компьютера Эппл II. весьма компактно. Слепа па фотографии схемной платы видны два свободных гнезда для ПЗУ. которые дают возмо;кность ввести в .молуль словарную память. Действуя по прпн- г^ппу фонетической генерации ЛПК-речп, синтезаторы серии 9Kv) обладают неограниченным словарем — это ot.jнчвтельная черта всех формантных синтезаторов. Их речь также нпионннаот голос робота. 一
Одна из донствптельпо привлекательных особенностей фоястпчсского 111 lK-синтсза связлпа с тем, что ре小п” построения цепочек из фонем здесь можпо ком-
'бинировать с режимом прямой записи ЛПК-речи. Это позволяет добиваться естественного звучания при воспроизведении распространенных слов и сохраняет возможность перехода на фонемный режим генерации речи при воспроизведении слов заказного словаря.
Кроме того, фирма «Стрит электронике» ввела в синтезаторы серии ЭКО программу грамматического разбора текста Текстокер. Эта программа воспринимает стандартный выход в ASCII-коде, например следующий 8a оператором «Печатать», и преобразует его непосредственно в речевую форму. Поскольку программа Тек-
Рис. 7.32. Л ПК-синтезатор речи ЭКО фирмы «Стрит электронике корпорейшн». (С разрешения фирмы «Стрит электронике корп.».) стокер содержит почти 400 правил английского произношения, она обеспечивает корректное речевое воспроизведение 96% из тысячи наиболее распространенных слов английского языка. Используя программу Текстокер, снова, представляющие собой исключения из правил английского произношения, можно корректировать двумя способами. Первый способ исправления произношения сводится к намеренно неправильному написанию слова, с тем чтобы синтезатор «клюнул» на зту уловку и дал правильный вариант, т. е. воспроизвел слово так, как оно звучит в действительности. Скажем, в тех случаях, когда в слове имеется непроизносимая буква, слово наиболее правильно произносится тогда, кот4a эта буква просто опускается из вводимого ASCII- текста. Например, чтобы правильно произнести слово label、написание его намеренно искажается и оно вводится как lable.
Помимо возможности преобразования печатного текста в речь синтезаторы серии ЭКО в состоянии также генерировать речь в режиме прямого фонемного возбуждения. Этот режим более сложен, поскольку здесь возникает необходимость в фонетической связи отдельных слов. Во многих случаях, однако, это единственный реальный путь к правильному произношению слов с необычным написанием.
Средствами для преобразования печатного текста в речь и генерации фонетической речи располагает также и синтезатор ЭКО-Джи Пи. Эта система имеет встроен-
Рис. 7.33. ЛПК-синтезатор речи ЭКО-Джи Пи фирмы «Стрит электронике корпорейшн». (С разрешения фирмы «Стрит электронике корп.».)
ный микропроцессор и но;кет использоваться как автономный синтезатор речи. Для сопря/кения с компьютером, пспользующпм данный синтезатор в качестве периферийного устройства, могут служить последовательный интерфейс типа RS-232 илп параллельный TTL. Органы оперативного управлеппя синтезатора ЭКО-Джи Пи (рпс. 7.33) отличаются псключптелыюп простотой и состоят всего лишь из выключателя питянпя п perjT- лятора громкости. Синтезатор в основном используется точно так же, как модель ЭКО 11, соз工аннан 工ня компьютера Эппл II. Различие между этими синтезаторами состоит только в топ, что ЭКО-Джп Пи спроектирован в расчете на сопряженпе через универсальный пнтер- фейс с любым персональным компьютером. По своим возможностям! в области генерации речи он не а стлпает ЭКО II, II в нем также использована программа Гекстокер для генерацпп речевого вывода на основе преоб-
разовсшия «печатный текст — речь». Введенный в модуль ЭКО-Джи Пи микропроцессор во время генерации синтозировянной речи выполняет болыпипство служеб- ннх операций, тем самым снимая нагрузку с компьютера t Зто, естественно, повышает стоимостъ синтезатора, так как она включает в себя и стоимость его донолии- тельного «интеллекта».
Устройства М410 и VR/S 100
В состав говорящих изделий, изготовляемых фирмой «Спич текнолодлк'и», входит микросхема ЛПК-сиитеза- тора, выиускаемая фиРм0^ «Дженорал инструменте». И это не удивительно, если 5/честь, что специа-илсты фирмы «Спич текнолод/ки» работали в тесном контакте с сотруд! (и к а ми ко мп а ним «Ди<спера л ммст 卩 умс и тс». Модуль речевого генератора М410 содс])>югг 12-пол юс- ную схему ЛПК-синтезатора рзш. Относительно небольшая плата (рис. 7.34) рассчитана па сопря>келие с параллельным ТГЛ-портом 1；омпыотера любой микропроцессорной или микрокомпьютерной системы. Модуль наделен встроенным словарем об-ьомом до 120 слов и автономным звуковым усилителем, рассчитаипым на подключение громкоговорителя с входным сопротивлением 8 Ом. ОI l такжо осншцеи м нкроп рои,ессо])ом 8039 с пнутреипим 11])ограмми|)оиаш1ем, который предназначен для управления голосовой пер.ифе])ийной микросхемой. Словари для синтезатора №41() поставляет сама фирма «СЗиич tcnhojio八爪н»; они строятся на стираемых ППЗУ типа 271() н 2732. Помимо кодирования слов для стандартиых словарей фирма «Слип тскнолодуки» за донолнительпук) плату произво/цгг также кодирование заказных словарей для любых речевых систем.
Чтобы оценить смо小“ость схсмм cuiri'tiBaropa М410, обратимся к рпс. 7.35. Хотя большую часть данной струк1'уриой схемы занимают микропроцессор и сопряженные с ним компоненты памяти, здесь таки<с представлена мнкросхсмп ронспого смптезатора (U5), которая показана вместе с со интерфейсом д.пя микропроцессора и выходным звуковым усилителем. Программа для специального ii]^on,eccopa, вх()дяи\его в состав мккро- процессора 8039, хранится в СГ1113У-иамяти, занимая
Гнезда ：Ж^與汕汾斂尸СППМ?
^C/tc6碑？<NU
Рпс. 7.34. Плата спнтсзптора речи AI4H)фирмы «Сппч текно- л()д;кн liopiiopci'uiiii». (С panpcKiciiiiJi фирмы «Спич тскнолоджи корп.».)
со первыс примерно 9(1() байт. В этих адресных ячейках можно хранить данные с/юваря. Учитывая скром- пы(} размеры этого д'строИстиа, его мо;ь'но отнести к очень могцным речевым синтезаторам.
180180181181Нтс])1,т пертрс'рпИным синтезатором речи, предла- 1'аем1,ш фпрм()11 «Спич токио/юджи'), является генератор речи тпиa VlkSlOO. Это более крупнып моду/ib, который })ассч1ггап на т)дк.т1 ючоние к чиню S-1W п обладает примерно темп же возмо;кностями, как п синтезатор
180
180
181
181
3±мп辑 +5J3±мп辑 +5J^СЗ^нкФ^СЗ^нкФ依g依g42月0"42月0"胃②胃②卄卄\iM\iMfSfS以俯册酬娥b 咽急綫以俯册酬娥b 咽急綫汝阳汝阳C5 T4%7"小 府白勿川削C5 T4%7"小 府白勿川削例％犷 風例％犷 風/Ъте6f HQcmt>/Ъте6f HQcmt>個個我価感ка歹峻^我価感ка歹峻^%£5%%£5%康泱懸袋3由康泱懸袋3由^36 агц^36 агц岗脱岗脱1арц21арц2Центра/tb^btuпроцессор8039Центра/tb^btuпроцессор8039PW PROG ALE 080082 083088PW PROG ALE 080082 083088””总負3絞袋袋後7总負3絞袋袋後7同同財財LН胱跣、= 〃厶 S37JLН胱跣、= 〃厶 S37J心口心口依 3US依 3USw切窈歌關w切窈歌關^амто^0—^амто^0—磷爲審磷爲審НН©I©I加加U8-регистр 质%《 斑陋2 0邛区“U 賢® 一上门73加加U8-регистр 质%《 斑陋2 0邛区“U 賢® 一上门73口*才川勿4у口*才川勿4уРис. 7.35. Структурная схема синтезатора речи М4Ю. (С раз 1. Выбор соединения для 2716/2732 (показано в положении 2716). получения независимого питания звуковой цепи (6——10 В) сое для громкоговорителя (8 Ом) устанавливается альтернативный
3±мп辑 +5J
3±мп辑 +5J
^СЗ^нкФ
^СЗ^нкФ
依g
依g
42月0"
42月0"
胃②
胃②
卄
卄
\iM
\iM
fS
fS
以俯册酬娥b 咽急綫
以俯册酬娥b 咽急綫
汝阳
汝阳
C5 T4%7"小 府白勿川削
C5 T4%7"小 府白勿川削
例％犷 風
例％犷 風
/Ъте6f HQcmt>
/Ъте6f HQcmt>
個
個
我価感ка歹峻^
我価感ка歹峻^
%£5%
%£5%
康泱懸袋3由
康泱懸袋3由
^36 агц
^36 агц
岗脱
岗脱
1арц2
1арц2
Центра/tb^btuпроцессор8039
Центра/tb^btuпроцессор8039
PW PROG ALE 080
082 083
088
PW PROG ALE 080
082 083
088
”
”
总負3絞袋袋後7
总負3絞袋袋後7
同
同
財
財
LН胱跣、
= 〃厶 S37J
LН胱跣、
= 〃厶 S37J
心口
心口
依 3US
依 3US
w切窈歌關
w切窈歌關
^амто^
0—
^амто^
0—
磷爲審
磷爲審
Н
Н
©I
©I
加加U8
-регистр 质%《 斑陋2 0邛区“U 賢® 一上门73
加加U8
-регистр 质%《 斑陋2 0邛区“U 賢® 一上门73
口*
才川勿4у
口*
才川勿4у
M410. Важнейшее различие между этими двумя устройствами связано с тем, что в синтезаторе VR/S100 мо;кет одновременно использоваться до двух микросхемных синтезаторов речи, что позволяет получать с одной платы два речевых выхода. Таким образом, здесь возможен одновременный вывод двух различных сообще-
решения фнр^ы «Спич текнолоджп корп.».)
Линия напряжения Tqq обычно подсоединена к 「(-「. Для динительную перемычку следует разорвать. 3. Вместо Р2 и С4 компонент.
ппй, что очень удобно в таких прпло/кенпях. как многоканальные телефонные системы. Схемная печатная плата устройства VR/S100 (рис. 7.36) содержит встроенный микропроцессор и микросхему синтезатора речи. Система обеспечивает формирование сообщений длиной до 128 слов для двух одновременно работающих линий.
SSTSST死F死FХэпэфаэхнп X BDXOBbOIVMtOU но кахэ-ifxi 3 шй1ик(1офпи HOHTOdcFd-g нпнаьКсои вг^ *№иком xnmoiunnm^du % 0iviiM<od я iil-ii эшгеяп(1г(1п ен invvoocinue вшюея^(1 ~nH dKkxad я 勺工已工竺虱 юм/ок。。。工 ьнир doiv8oxini3
SST
SST
死F
死F
VH MVH GHEHdOHCkl 'GHH3R"E И 0HM0M<Xl4 ：B90L'0J ЗПН ~£ed 4XBaodus0iHii3 хгжок hq •киноГоаепойпэоз ivohiooh -ем ИИМОЭПЯ KDHiiTnoivhHEio 1 (Тох^еэхпиэ 耳OHQhed ккюон -жокеоя кионз ои nmruodoiooiOHw n hiimouj поооэ ханн -aviotadn ончеэх1Ш1Эиэ1Г bibl*ei oxr ^obhhgumou rnvoxo иохе епь'виу 4g''ond vn uiia^vdpoeii Q001 七口口3 udo.
ьппа HdoJHJJOi/a丄》ик<11гф HJrnoni^dei?d 3) •«эк-иэнэ ышэ пс1оэноэое ~а工》141tdнф оооI 111ШЭ «Я1эио(11.эл икахз вшкГи.мХскэ 口£? 'onj
• отчюонаихмоффе иомоэня н013gh -Ш1Ч0 ПО '0&工。耳0(1工3£ 0О1ЩИс1о€рИ(1ОИ scuodoH ОНЧЕОЯОЙ —000Т ь【ш3 doi^eoxinio нюу *оиига канКи? вн ^нвеемоп
•厶-oucl ен BudoxoH ‘RdawEed tnornqnog iibad «dox^e -aiiino 乂工инн ио^оэ laKiraeioVadn ‘000工 hiinQ *ишгэ^еи хихе еп эояЛоц *HUU 工血工卽 он чьос! oiXiiH^aodnsox -ииэ oiitaoiXdiidoiioj 1нс1о1веэ1ниэ опяоьос! xobehoiojeh
(■«nmiTadoudoM иж^оггопмо! ышд» нк(1пф ипнашос1£1?(1 3) '«Hniipdoudo^ н”力Томон -мэх тншз» riNdiup 001 S/HA HhQcI BdoiBeoiHiio' вхвец 切丁厶-эид
W介喈/% 揖二 11 /Л：?"⑦2厶一W介喈/% 揖二 11 /Л：?"⑦2厶一31QH 户糸-0/3?31QH 户糸-0/3?3C^lUJQlfO^ понш5 5n謐da山用3C^lUJQlfO^ понш5 5n謐da山用■(go^cod g)■(go^cod g)noH^godr)ooii^e” QLU3^JnoH^godr)ooii^e” QLU3^J772叫呵-0瞰2叫呵-0瞰QOHqqQOHqq2?〃DAW2?〃DAWhHd>hHd>iQ^^UCSodu ns^^g^duh q^b>/DtjiQ^^UCSodu ns^^g^duh q^b>/Dtj7 〃协7 〃协取山厅勿苏 подо^дг取山厅勿苏 подо^дг>>P学师一a缈 'V^L'^USdOUP学师一a缈 'V^L'^USdOUгх/гх/fSGd 一Паоэээ^оииoeogahsd也32工3二 二二/fSGd 一Паоэээ^оииoeogahsd也32工3二 二二/E/W力勿加E/W力勿加•mga工низ мхвеп еиэхэ k^hcL^ihXcIiq *^d0xoi4nivoM oiatn •£3a 10 омиэияпези ^охпя ojoaahod (яипокя^эо'шЛэо on HHiindano чхннгошчя н iqHnz典0貝 эипшэпя ин qjEHOdHJ ■eed ngo工h Чиохмоегэши» kwheoibiooV loel/^irgo ояю •耳odsK (уggQg doaoahodnoclMnw хэ^ьоигяа Edoie£&LHH3 eieira ввниэхэ ^мчкомэоп 网•^явяоиэь g工貝g(h ojoaoooiroJ чео^ои (иАяойфи'п чхиойхэоп хэвкояеоп ингйохоя Ч11чтгиф инннояеолони ”шккинон-%］； ен н*а?(1нщ)，(ХЮ1 ьинэ эя1эио(1хэА я ишмоАечкопэи ^eoiHiio-jjjjjf 1/010^•mga工низ мхвеп еиэхэ k^hcL^ihXcIiq *^d0xoi4nivoM oiatn •£3a 10 омиэияпези ^охпя ojoaahod (яипокя^эо'шЛэо on HHiindano чхннгошчя н iqHnz典0貝 эипшэпя ин qjEHOdHJ ■eed ngo工h Чиохмоегэши» kwheoibiooV loel/^irgo ояю •耳odsK (уggQg doaoahodnoclMnw хэ^ьоигяа Edoie£&LHH3 eieira ввниэхэ ^мчкомэоп 网•^явяоиэь g工貝g(h ojoaoooiroJ чео^ои (иАяойфи'п чхиойхэоп хэвкояеоп ингйохоя Ч11чтгиф инннояеолони ”шккинон-%］； ен н*а?(1нщ)，(ХЮ1 ьинэ эя1эио(1хэА я ишмоАечкопэи ^eoiHiio-jjjjjf 1/010^нинишион '3&EHJ иопи^^ я O0H^d и^эипо irrig aridoioH 'рншииз ojoaohod oodoieeaxirno отутшоц чо^эхэиэ *“u° ийоэиэээь'э^)) Nivdn$ KiiiroWen onlnKdoaoj mW。3侬。丄2нинишион '3&EHJ иопи^^ я O0H^d и^эипо irrig aridoioH 'рншииз ojoaohod oodoieeaxirno отутшоц чо^эхэиэ *“u° ийоэиэээь'э^)) Nivdn$ KiiiroWen onlnKdoaoj mW。3侬。丄2•Лх^кп О1ХПЧ1Г0ХИНЕОПО^ ve 工afdni/oH 勺囤工 -貫HOIO"H OlXdOlOM 1Ш10(1 皂OH£BXU£ ЕП Ч1ИЯО(1И(1ЭП01 3^ игги ?нв£0оз ojondvaoro олотисТ^Кн^хэ знонзо ей :工е&о -иийоф оншои ^dox^doiioi одоаоьэс! о-юье не" иа^яоиз•Лх^кп О1ХПЧ1Г0ХИНЕОПО^ ve 工afdni/oH 勺囤工 -貫HOIO"H OlXdOlOM 1Ш10(1 皂OH£BXU£ ЕП Ч1ИЯО(1И(1ЭП01 3^ игги ?нв£0оз ojondvaoro олотисТ^Кн^хэ знонзо ей :工е&о -иийоф оншои ^dox^doiioi одоаоьэс! о-юье не" иа^яоиз1Ш'ЯЯВМ|в-;^® lllOO^ie®®iOeOi^e^ 1111111В1иИВвЖв^
W介喈/% 揖二 11 /Л：?"⑦2厶一
W介喈/% 揖二 11 /Л：?"⑦2厶一
31QH 户糸-0/3?
31QH 户糸-0/3?
3C^lUJQlfO^ понш
5 5n謐da山用
3C^lUJQlfO^ понш
5 5n謐da山用
■(go^cod g)
■(go^cod g)
noH^godr)ooii^e
” QLU3^J
noH^godr)ooii^e
” QLU3^J
7
7
2叫呵-0瞰
2叫呵-0瞰
QOHqq
QOHqq
2?〃DAW
2?〃DAW
hHd>
hHd>
iQ^^UCSodu ns^^g^duh q^b>/Dtj
iQ^^UCSodu ns^^g^duh q^b>/Dtj
7 〃协
7 〃协
取山厅勿苏 подо^дг
取山厅勿苏 подо^дг
>
>
P学师一a缈 'V^L'^USdOU
P学师一a缈 'V^L'^USdOU
гх/
гх/
fSGd 一
Паоэээ^оииoeogahsd也32工3
二 二二/
fSGd 一
Паоэээ^оииoeogahsd也32工3
二 二二/
E/W力勿加
E/W力勿加
•mga工низ мхвеп еиэхэ k^hcL^ihXcIiq *^d0xoi4nivoM oiatn •£3a 10 омиэияпези ^охпя ojoaahod (яипокя^эо'шЛэо on HHiindano чхннгошчя н iqHnz典0貝 эипшэпя ин qjEHOdHJ ■eed ngo工h Чиохмоегэши» kwheoibiooV loel/^irgo ояю •耳odsK (уggQg doaoahodnoclMnw хэ^ьоигяа Edoie£&LHH3 eieira ввниэхэ ^мчкомэоп 网•^явяоиэь g工貝g(h ojoaoooiroJ чео^ои (иАяойфи'п чхиойхэоп хэвкояеоп ингйохоя Ч11чтгиф инннояеолони ”шккинон-%］； ен н*а?(1нщ)，(ХЮ1 ьинэ эя1эио(1хэА я ишмоАечкопэи ^eoiHiio-jjjjjf 1/010^
•mga工низ мхвеп еиэхэ k^hcL^ihXcIiq *^d0xoi4nivoM oiatn •£3a 10 омиэияпези ^охпя ojoaahod (яипокя^эо'шЛэо on HHiindano чхннгошчя н iqHnz典0貝 эипшэпя ин qjEHOdHJ ■eed ngo工h Чиохмоегэши» kwheoibiooV loel/^irgo ояю •耳odsK (уggQg doaoahodnoclMnw хэ^ьоигяа Edoie£&LHH3 eieira ввниэхэ ^мчкомэоп 网•^явяоиэь g工貝g(h ojoaoooiroJ чео^ои (иАяойфи'п чхиойхэоп хэвкояеоп ингйохоя Ч11чтгиф инннояеолони ”шккинон-%］； ен н*а?(1нщ)，(ХЮ1 ьинэ эя1эио(1хэА я ишмоАечкопэи ^eoiHiio-jjjjjf 1/010^
нинишион '3&EHJ иопи^^ я O0H^d и^эипо irrig aridoioH 'рншииз ojoaohod oodoieeaxirno отутшоц чо^эхэиэ *“u° ийоэиэээь'э^)) Nivdn$ KiiiroWen onlnKdoaoj mW。3侬。丄2
нинишион '3&EHJ иопи^^ я O0H^d и^эипо irrig aridoioH 'рншииз ojoaohod oodoieeaxirno отутшоц чо^эхэиэ *“u° ийоэиэээь'э^)) Nivdn$ KiiiroWen onlnKdoaoj mW。3侬。丄2
•Лх^кп О1ХПЧ1Г0ХИНЕОПО^ ve 工afdni/oH 勺囤工 -貫HOIO"H OlXdOlOM 1Ш10(1 皂OH£BXU£ ЕП Ч1ИЯО(1И(1ЭП01 3^ игги ?нв£0оз ojondvaoro олотисТ^Кн^хэ знонзо ей :工е&о -иийоф оншои ^dox^doiioi одоаоьэс! о-юье не" иа^яоиз
•Лх^кп О1ХПЧ1Г0ХИНЕОПО^ ve 工afdni/oH 勺囤工 -貫HOIO"H OlXdOlOM 1Ш10(1 皂OH£BXU£ ЕП Ч1ИЯО(1И(1ЭП01 3^ игги ?нв£0оз ojondvaoro олотисТ^Кн^хэ знонзо ей :工е&о -иийоф оншои ^dox^doiioi одоаоьэс! о-юье не" иа^яоиз
через шину Мальтибас или параллельный порт. Для вывода речи используется, кроме того, стандартный последовательный порт RS-232C. Поскольку емкость встроенной памяти составляет 458 кбит, синтезатор Спич 1000 способен говорить без повторов почти 200 с подряд. Словарь для этого синтезатора можно составить на основе стандартного словарного списка или путем заказного кодирования слов для специально формируемого словаря. Эту работу за соответствующую плату выполняет 3Mрма «Телесенсорп спич системе%
Одноплатный синтезатор речи выпускается в виде автономного устройства, включающегося по запросу. В этом варианте в его состав входят источник питания,
Рис. 7.38. ЛПК-синтезатор SP 1020 фирлш «Телесенсори спич системе», содержащий плату Спич 1000. (С разрешения фирмы «Телесенсорп спич системе》.)
кожух и интерфейс для связи с внешним электронным компьютером. В таком виде он известен под названием «периферийное говорящее устройство SP1020». Автономный Л ПК-синтезатор речи, изображенный на фотографии рис. 7.38, в принципе ничем не отличается от одноплатного синтезатора Спич 1000 ——ему лишь приданы средства для самостоятельной работы. Благодаря своей гибкости эта система, снабженная последовательным интерфейсом RS-232C, безусловно, может использоваться очень широко. Чтобы познакомиться с качеством речи синтезатора Спич 1000, достаточно набрать демонстрационный телефонный номер фирмы «Телесенсорп спич системе». Соединившись таким образом непосредственно с компьютерным интерфейсом, можно услышать не магнитную запись, а непосредственно «компьютерную» речь.
Помимо двух уже упомянутых изделий фирма «Теле-
сенсори спич системе» изготовляет также систему, преобразующую печатный текст в речь,— преобразователь «текст — речь» Проуз 2000. Этот синтезатор в одноплатной конфигурации изобрая^ен на рис. 7.39. В состав данного «разумного» говорящего модуля входит фирменная программа речевого синтеза по правилам, разработанным фирмой «Телесенсорп спич системе», что дает пользователю возможность применять практически неограниченный словарь. Система работает по принципу преобразования текста, закодиро-
Рис. 7.39. Плата преобразователя «текст — речь》типа Проуз 2000 фирмы «Телесенсорп спич системе». (G разрешения фирмы «Телесенсорп спич системе».)
ванного ASCII-кодом, в аллофоны и обеспечивает речь, отличающуюся высокой степенью разборчивости. Кроме того, пз текста автоматически выбираются интонационные характеристики, свойственные речи человека, которые затем вводятся в выходной речевой сигнал| это позволяет получить речь, имеющую естественное звучание.
Устройство Проуз 2000 продается в одноплатном варианте, как п устройство Спич 1000, но может выпу* скаться в кожухе, в котором помимо этой платы помещен источник питания и установлены необходимые соединительные разъемы. Сопряженпе с ведущим х。'： пыотером может выполняться через последовательный
порт RS-232, поскольку в составе устройства имеется микропроцессор 8086. Скорость передачи данных, не- обходимая для обеспечения речевого выхода, составляет всего 100 бит/с. С качеством речевого выхода синтезатора Проуз 2000 при прямом преобразовании печатного текста в рбчь можно таюке ознакомиться, набрав демонстрациоипый телефонный номер фирмы.
Устройство Спик энд спелл фирмы «Тексас инструменте»
Возможно, покажется странным, что это “устройство характеризуется как периферийное устройство речевого синтеза; однако здесь нет ошибки. Несколько компаний уже изготовили интерфейсы, обеспечивающие возможность сопряжения устройства Спик энд спелл с портом персонального компьютера. Поскольку выпущенное фирмой «Тексас инструменте» обучающее устройство было первым коммерческим изделием, в котором использовался ЛПК-метод генерации речи, оно быстро нашло применение и в качестве речевого синтезатора.
Устройство Спик энд спелл включает микросхему для речевого синтеза TMS5100 и заказной вариант 4- разрядного микропроцессора TMS1000. Так как фирма «Тексас инструменте», проявив предусмотрительность, снабдила схемную плату синтезатора Спик энд спелл портом для расширения словаря, в дальнейшем были изготовлены интерфейсы, обеспечивающие непосредственное соединение этого устройства с компьютерами нескольких типов. Этот порт изображен в правом верхнем углу структурной схемы устройства Спик энд спелл (рис. 7.40).
Один из периферийных. интерфейсных преобразователей для устройства Спик dhr спелл выпускает фирма «Перком дейта компаии» (Гарленд, шт. Техас). 11птер- фейс спроектирован в расчете на сопряжение устройства Спик энд спелл через его расширительный порт с компьютером TRS-80, а также обеспечивает управление работой синтезатора от его встроенного словаря. Каждое слово словаря подвергается внешней выборке и произносится путем использования команд реек или роке. Хотя комбпиашш уст])онств CniiK-2-Mii-2 фирмы «Перком» и Спик энд спелл фирмы «Тексас инструменте» представляет собой очень недорогой интерфейс для
синтеза /емм по методу ЛПК, резидентный словарь синтезатора Спик эид спелл страдает отсутствием слов пз повседневной практики. Некоторые из недостающих слов можно генерировать, введя с помощью интерфейса дополнительные модули, обеспечивающие расширение словаря.
Еще одним изготовителем интерфейсных модулей дня устройства Спик энд спелл является фирма «Ист- коуст майкропродактс» (Одентон, шт. Мэриленд). В отличие от фирмы «Перком» эта компания не держит в секрете принцип действия своего устройства, давая пол ьзо в ат ел ям возможность не только управлять выходом синтезатора Спик эпд спелл, но и производить считывание его словаря в память. Интерфейс спроектирован в первую очередь для микропроцессоров 6502 и соединяется с ними через параллельный порт 6522.
Устройство TMS5200
Среди многочисленных устройств для генерации по методу ЛПК, выпускаемых фирмой «Тексас инструменте», микросхема речевого процессора типа TMS5200, вероятно, наиболее интересна. Она является центральной частью ЛПК-синтезатора, выпускаемого фирмой «Стрнт электронпк корпорейшн», и изготовляется фирмой «Тексас инструменте» в составе пробных наборов типа TMSK101 л TMSK102. Фирма «Тексас пнетру- ментс» держит в секрете технологию своих говорящих устройств, и поэтому об их конструктивных особенностях мало что известно.
Портативная система для анализа и синтеза (PASS)
Одной пз последних разработок фирмы «Тексас пнетру- ментс» является портативный генератор-преобразователь «речь — ЛПК-код». Относительно этой системы имеются некоторые сведения, что позволяет нам привести ее описание. Это устройство, называемое портативной системой для анализа и синтеза (PASS), представляет собой прототип конструкцпи генератора-преобразователя «речь 一 ЛПК-код», работающего в реальном временп. До недавних пор формирование ЛПК- параметров речп о с ущест в л я л ось только с помощью
务务0#0#мм隽"隽"嗚嗚Рис. 7.4(). (^х('ма устрЗктнп ('ник :川八('ik'.iiji (Jhiрми 《Тексас л(Ч)('М(ч1 ii()n) тока (ггсугг/гнусг,)Рис. 7.4(). (^х('ма устрЗктнп ('ник :川八('ik'.iiji (Jhiрми 《Тексас л(Ч)('М(ч1 ii()n) тока (ггсугг/гнусг,)m包' f州г "/ E t"° Н" 「” г 7 ["〃 川""冷；；J % 4〃〃E 卜：p ' I A'r 〃Jr ，’〃 J、；)心."仆r 4〃》 '小"少 “г G >，.》〃(•"m包' f州г "/ E t"° Н" 「” г 7 ["〃 川""冷；；J % 4〃〃E 卜：p ' I A'r 〃Jr ，’〃 J、；)心."仆r 4〃》 '小"少 “г G >，.》〃(•"平J— 五石二平J— 五石二0"厂0"厂Ьлабиаии/раЬлабиаии/ра小卜小小兄此用."由小由♦山位由•由■f小卜小小兄此用."由小由♦山位由•由■fН 11С,Т[)уМ(ЧГ1'С»Н 11С,Т[)уМ(ЧГ1'С»(В старых моделях вынрлмителеЛ м(к'т адаптера(В старых моделях вынрлмителеЛ м(к'т адаптера”〃，09 3 7 6 5”〃，09 3 7 6 5иибол ыпл х 5^iinii('|)(uij|[>fii.ix |；'(ин11и()ч'(^р(н：. 11<>н；1Я портативная систем” PASS (рис.. 7/1), 11(>-вчдпм<и1у, будет и('(；ьма д(»jjoroii. У(7г|)()н('/гва 'гак'ого тина п|ir/i,iio.nara- ctcsi рас.п|М'Д(>.|1 irrb но раз.иичпым [H'l'inHia/ii.iibiM 屮hit- рам ио нс(亩(:t|);ihg с целi>io применения в keiccthg ('■|И71,(7гв коди роваипя заказных с” ⑴⑴卩rii ЛИ К'-речи. (юзданио ;)той iiop'rjrniBJioii Bi.H'oicocjuiiKtc/riioii eiic/reMbi шкмуг огромное* зпа'кчик^ для нс(5 области снht('：j;i ре^ги и генерации ко/2H ио」l 11 К-мпт(认у.
务
务
0#
0#
м
м
隽"
隽"
嗚
嗚
Рис. 7.4(). (^х('ма устрЗктнп ('ник :川八('ik'.iiji (Jhiрми 《Тексас л(Ч)('М(ч1 ii()n) тока (ггсугг/гнусг,)
Рис. 7.4(). (^х('ма устрЗктнп ('ник :川八('ik'.iiji (Jhiрми 《Тексас л(Ч)('М(ч1 ii()n) тока (ггсугг/гнусг,)
m包' f州г "/ E t"° Н" 「” г 7 ["〃 川""冷；；J % 4〃〃E 卜：p ' I A'r 〃Jr ，’〃 J、；)心."仆r 4〃》 '小"少 “г G >，.》〃(•"
m包' f州г "/ E t"° Н" 「” г 7 ["〃 川""冷；；J % 4〃〃E 卜：p ' I A'r 〃Jr ，’〃 J、；)心."仆r 4〃》 '小"少 “г G >，.》〃(•"
平J— 五石二
平J— 五石二
0"
厂
0"
厂
Ьлабиаии/ра
Ьлабиаии/ра
小卜小小兄此用."由小由♦山位由•由■f
小卜小小兄此用."由小由♦山位由•由■f
Н 11С,Т[)уМ(ЧГ1'С»
Н 11С,Т[)уМ(ЧГ1'С»
(В старых моделях вынрлмителеЛ м(к'т адаптера
(В старых моделях вынрлмителеЛ м(к'т адаптера
”〃，09 3 7 6 5
”〃，09 3 7 6 5
и
и
11ри работе с сгкпч^мой PASS говортцпн ирш'/го на-
говарив；к,г сл(»ва м стандартным микрофол и менее чем че])оз 1 с после ввода очередно1，о элемента получает Т1,ифроной шлход закодированной ЛИК-речи. Сформированный JHI Киход направляется через нослодонатель- Ш.1Й nopi' PS-232 шчюсредствсчшо компьютеру или принтеру. В сосгав системы PASS входит также .ППК-син- тезатор, к(»торый ^ет пользователю возможность перед получением эквпвалешных ЛИ К-кодов п росл^чпап» на говоренные им схюби^чигя с ц('?1ьк» их ир()в('ркп. Когда ：)та система иол учит достаточно ши])окое распро-
времени.На этом мы ныне говорящихвремени.На этом мы ныне говорящихРис. 7.41. Система ЛПК-кодирования PASS фирмы «Тексас инструменте».Рис. 7.41. Система ЛПК-кодирования PASS фирмы «Тексас инструменте».
времени.
На этом мы ныне говорящих
времени.
На этом мы ныне говорящих
Рис. 7.41. Система ЛПК-кодирования PASS фирмы «Тексас инструменте».
Рис. 7.41. Система ЛПК-кодирования PASS фирмы «Тексас инструменте».
странепие, популярность ЛПК-сиптезаторов речи, безусловно, возрастет. Описанное устройство — первая доступная портативная система, предназпаченная для ЛПК-кодирования речи непосредственно в реальном
завершаем наш обзор выпускаемыхустройств. Хотя, возможно, уже поя-
вились и другие изделия подобного типа, отсутствие их в обзоре — не наша вина. Область речевого синтеза развивается столь быстро, что даже если бы все издание такой книги, как паша, было завершено в одни день, вряд ли мы могли бы дать исчерпывающий список всех изделий. Тем не мопсе основные устройства, существующие сейчас, нами были отмечены.
Глава 8ПРИМЕНЕНИЯКОМПЬЮТЕРНОЙ РЕЧИ
Последняя тема нашей книги о синтезе речи ——его практические приложения. Мы постараемся показать, как можно использовать синтезаторы. В данной главе мы рассмотрим несколько возможных применений говорящие систем в домах, а затем отважимся высказать ряд предло/кений относительно новых достаточно нетривиальных приложений говорящих систем. Мы надеемся, что некоторые высказанные здесь идеи помогут заинтересованному читателю добиться немалых результатов при практическом использовании говорящих устройств II что эта работа доставит ему удовольствие.
Данная глава разделена па три основные части. В первой из них мы обсудим простейшую речевую систему, которая состоит из персонального компьютера и говорящего периферийного устройства. Во второй части рассмотрим использование персонального компьютера, оснащенного говорящим периферийным устройством, в сочетании с различными периферийными устройствами, встречающимися в быту. И наконец, заключительная часть главы посвящена возможным коммерческим применениям систем синтеза речи. Некоторые из таких приложений уже реализованы на практике, внедрение других — не за горами, в настоящее время идет пх лабораторная «доводка». Независимо от того, какое вы найдете применение для речевого синтезатора. работа с ним. безусловно, доставит вам много приятных часов. Осуществив какую-то одну из своих задумок, вы. возмо；[<но. захотите перейти к более слож- экспсримепталг. Водь эта область электроппкп еще очень молода и постоянно развивается! И ваша работа здесь >[о；кет njuniccTii вам в будущем известность.
Теперь поговорим о гозможных пртюненвях систем спнтезпровалноп речи, состоящих из базового ком-
ДисплеиДисплеиН^абиатураН^абиатураТаблица 8.7. Словарь говорящих часовТаблица 8.7. Словарь говорящих часовthe time is (pause) one two three four five sixseven eight nine ten eleven twelvethe time is (pause) one two three four five sixseven eight nine ten eleven twelvethirteen fourteen fifteen sixteen seventeen eighteen nineteenthirteen fourteen fifteen sixteen seventeen eighteen nineteen1t1yckw h ^и±тюI t f Г1 о c1t1yckw h ^и±тюI t f Г1 о cчасы, но также выдаватьчасы, но также выдавать
Дисплеи
Дисплеи
Н^абиатура
Н^абиатура
Таблица 8.7. Словарь говорящих часов
Таблица 8.7. Словарь говорящих часов
the time is (pause) one two three four five six
seven eight nine ten eleven twelve
the time is (pause) one two three four five six
seven eight nine ten eleven twelve
thirteen fourteen fifteen sixteen seventeen eighteen nineteen
thirteen fourteen fifteen sixteen seventeen eighteen nineteen
1t1yck
w h ^и±тюI t f Г1 о c
1t1yck
w h ^и±тюI t f Г1 о c
часы, но также выдавать
часы, но также выдавать
пьютера и периферийного устройства для синтеза речи. При всей простоте такой системы возможности ее использования достаточно широки.
Простейшие системы синтеза речи
После того как ваша компьютерная система синтеза речи произнесла несколько слов, вы, несомненно, задумаетесь о возможностях разумного использования ее способностей. В настоящем разделе мы будем говорить о приложениях простейшей системы, включающей компьютер, клавишный пульт и дисплей, а также синтезатор речи. Ее блок-схема показана на рис. 8.1. Хотя
Рис. 8.1. Простейшая система синтеза речи.
на первый взгляд такую систему не назовешь мощной, существует множество проектов ее практического применения, к реализации которых вы можете приступить. И открывающиеся перед вами перспективы ограничены дшпь вашим воображением. Рассмотрим некоторые возможные применения таких систем.
Говорящие часы
Это одна из простейших говорящих систем, которые вы можете сконструировать, и для практического результата вам потребуется лишь программа. Предполагается, что ваш компьютер может вести счет времени, располагая для этого электронными часами, работающими в реальном времени. Если такие часы в нем отсутствуют, то можно попытаться написать программу с временными циклами, которая введет необходимые обратные связи для счета секунд, минут и часов. В результате вы получите систему, состоящую из компьютера и синтезатора речи, которая будет говорить вер
ное время по команде запроса или автоматически, скажем ,с часовым интервалом. Для осуществления этого проекта нужна специальная программа, обеспечивающая правильный счет времени суток и запуск синтезатора речи, который по требованию объявляет время.
Программа, реализующая говорящие часы реального времени, может быть написана на ассемблере, либо на Бейсике, либо на любом другом языке программирования высокого уровня, который в конкретном случае определяется особенностями
компьютера. Естественно, одной из важнейших предпосылок для реализации данного проекта должно быть наличие периферийного синтезатора словаря, необходимого для выполнения функций говорящих часов; минимальный состав слов такого словаря приведен в табл. 8.1. Здесь перечислено в общей сложности 29 слов —— их достаточно для полной характеристики времени суток при любых значениях часов и минут. Поскольку желательно иметь возможность не только объявлять
по команде верное время в любой момент, необходимо
располагать речевыми средствами для счета и произнесения всей последовательности чисел от 0 до 59. При использовании синтезатора с фонемным возбуждением эти слова должны быть заранее закодированы через фонемы. Если синтезатор пмеет готовый словарь, то следует найти коды команд, которые будут обеспечивать доступ к Быражепиям, указывающим нл'жное вре- мл суток. После того как в спстеме создан исходный словарь, можно приступить к генерации программы, которая позволит построить систему типа говорящих
часов.
Блок-схема возможной программы для говорящих часов приведена на рис. 8.2. Хотя эта программа состав- лена в общей форме, она тем не менее достаточно специфична, чтобы ее блоки принятия решений можно было
Рис, 8,2. Блок-схема программы для говорящих часовРис, 8,2. Блок-схема программы для говорящих часов
Рис, 8,2. Блок-схема программы для говорящих часов
Рис, 8,2. Блок-схема программы для говорящих часов
без особого труда превратить в программные блоки на языке программирования конкретного компьютера. Приведенная блок-схема программы сравнительно про* ста，однако некоторая сложность заключается в том, ч/г° время, выражаемое в часах и минутах, характеризуется в иной форме, чем время, выражаемое только в часах. Так, если часы просто объявляются автоматически, например «5 o'clock» (5 часов), то произносимое численное значение часов никогда не превышает 12. Если же с клавишного пульта вводится команда запроса времени в произвольные моменты, то речевой вывод времени между 5 и 6 часами может изменяться в пределах от 5:01 до 5:59. Простейшим способом словарного преобразования чисел в слова может быть построение таблицы с 60 числовыми входами для запроса минут в пределах от (Ю=o'clock (час) до 59=fifty-nine. Таким путем доступ к значениям минут может производиться непосредственно пз компьютерной памяти, что позволяет получать соответствующие табличные слова для возбуждения синтезатора. Если в синтезаторе имеется программа преобразования типа «текст — речь», то о таком преобразовании чисел, вероятно, не придется заботиться. Большинство программ преобразования текста в речь обладает способностью определять, как произносятся числа от 1 до 100, исходя исключительно из числового входа. В таком случае все, что необходимо задать синтезатору речи в качестве команды для произнесения времени,— это числовое значение текущего времени дня. Алгоритм «текст — рспв» самостоятельно справится с выдачей минут в форме речи. Некоторые алгоритмы преобразования «текст — речь» обладают таким «интеллектом», который позволяет установить, что полученное ими от компьютера число указывает время, поскольку первые цифры в нем отделены от двух последних двоеточием. При поступленпп на вход синтезатора цепочки текста «5: 22» он пропзвесет время как five twenty two (пять ... двадцать два).
Этот довольно простой эксперимент можно легко провести с любъш компьютером, обладающим способностью читать показания внутренних машинных часов, которые отсчитывают время суток. В некоторых компьютерах это осуществляется посредством функции linieS. В ряде других лташпн, оснащенных аппаратными часами, операция считывания времени сводится к чте-
Рис. 8.3. Возможная структура программы для часов, вающнх время.Рис. 8.3. Возможная структура программы для часов, вающнх время.показа-показа-
Рис. 8.3. Возможная структура программы для часов, вающнх время.
Рис. 8.3. Возможная структура программы для часов, вающнх время.
показа-
показа-
нию показания микросхемы часов, которое снимается с портов этого периферийного устройства. Если компьютер не имеет ни встроенных электронных часов, ни внешних аппаратных, то создание говорящих часов можно начать с построения очень точного хронирующего контура с длительностью цикла 1 с. Этот контур необходимо связать со схемой пересчета на 60, которая будет выдавать минутные отметки. Сигналы счета минут должны подаваться на другую схему пересчета на 60, которая отслеживает время в минутах между отсчетами часов, И наконец, следует ввести еще схему пересчета на 12, которая изменяет свое состояние каждый полный цикл 60-минутного счетчика и, таким образом, показывает часы. Числовой выход всех этих контуров говорящая система может использовать для сообщения по запросу точного времени суток. Чтобы лучше разобраться в работе программных часов, посмотрим па рис. 8.3. Приведенная здесь блок-схема программы показывает довольно простой путь построения программных часов, которые служат для запуска говорящей программы. Реализация такой программной системы в говорящем компьютере позволит весьма наглядно продемонстрировать возможности синтезированной речи. Говорящие часы будут продолжать говорить время, пока действует их управляющая программа, давая на протяжении всего дня показания текущего времени.
Если, несколько расширив пример с говорящими часами, ввести в систему с общим контуром отсчета времени некоторую программу распознавания заданного момента времени, то в таком случае мы получим не просто говорящие часы, а часы, которые можно программировать таким образом, что в заданные моменты —или, возможно, даже в заданные моменты конкретных дней месяца ——они будут произносить определенные фразы. Проявив еще немного творческой смекалки, можно построить говорящий будильник, который будет запрограммирован так, чтобы он будил вас утром фразой: «Вставай» или «Вставай, соня, уже поздно». Если у вас назначено свидание или вам следует о чем-то вспомнить в определенное время, то систему можно запрограммировать так, чтобы она в нужный момент выдала нужное сообщение. Например, вам захочется, чтобы в шесть часов вечера компьютер сказал: «Включи телевизор — время передачи новостей». Если у вас 聯
довольно 1кшряженный распорядок дня, во bli мо;кете составить календарь своих деловых и прочих встреч, !'де будет перечислено все, что необходимо сделать в течение каукдого дня, и компьютер по утрам будет сообщать вам о намеченных на текущий день делах. Достоинство этой системы состоит в том, что опа исключительно надежна и никогда не забудет напомнить вам о неотложных делах. Полезность создания подобной системы для занятого человека не вызывает сомнений. Утреннее словесное напоминание о намеченном распорядке дня, безусловно, поможет вам лучше организовать свою деловую жизнь.
Развлечения и игры
Мы рассмотрели лишь один прилюр использования простейшей системы синтеза речи. По мере того как вы будете открывать все новые возможности конкретного периферийного устройства с синтезатором речи и накапливать опыт работы с тш, у вас момст зародиться мысль объединить речевое устройство с игровыми программами. Естественно, что это требует глубокого знания программ, которые вы хотите модифицировать. Так, если они паппегшы на Бейсике, то вы сможете легко выбрать операторы «печатать» (которые, как правило, используются для взаимодействия с игрой) и либо заменить, либо дополнить эти операторы словесными, или паговаршзагд1ыми, сообщениями. Одной из самых распространештых игр, в которой введение словесных сообщений дает значительный эффект, является игра «Звездная дорога»: ведь комшяотер космического корабля начинает выглядеть куда реалистичнее, если он разговаривает.
Одно из ограничений, которое следует учитывать при введении в игры синтез и {)о в а и и ой речи,——это словарь, доступный данному периферийному устройству со средствами синтеза речи. Если синтезатор обладает способностью генерировать неограниченный словарь, то его возможности взаилгодействия с колшьютерной игрой будут поистине беспредельны. Если же, напротив, речевая система имеет весьма огразшченный с.иоварь, то вам придется много потрудиться. Нередко вы сумеете найти слова, которые с успехом заменит недостающие словарю. Подумайте также об использовании омо-
нимов, которые отличаются написанием от нужных вам слов, но звучат очень сходно. Другой, доволь- но искусственный способ, который можно применить “ля создания необходимых, но отсутствующих в слова, ре синтезатора слов, представляет собой конкатенирование, т. е. слияние двух имеющихся в словаре слов для генерации третьего. Например, использование слова be и числа 4 {four) позволят конкатенировать слово before. Таким искусственным сцеплением можно образовать еще много слов, так что, прежде чем опустить руки от тщетности поисков замены недостающему слову, попытайтесь скомпоновать это слово из тех, что • имеются в словаре синтезатора.
Если вы пользуетесь синтезатором с фонемным возбуждением, то можете найти удачное применение роботизированному голосу этой системы. В прошлом некоторые киностудии и студии, занимавшиеся звуковыми эффектами, не жалели средств и сил, чтобы получить речь, имеющую «нечеловеческое звучанпе». Располагая же системой с фонемным возбуждением, можно по желанию изменять звуки речи и фонемы. Если соответствующим образом подобрать высоту тона и звучание фонем, то фоиелшый синтезатор позволит создать весьма интересные звукош式е эффекты. А присоединив к синтезатору громкоговоритель, вы сможете произвести ошеломляющее впечатление на слушателей. Но все это не более чем только еще одна возможность использования синтезаторной системы.
Говорящие устройства для людей с дефектами зрения и слуха
Если перейти к более серьезным задачам, то п здесь фонемному синтезатору люжно найти дело ло плечу. Так, генерируемые им чистые фонемные звуки могут оказать огромную помощь в обучении правильной речи людей с расстройствами речи. Располагая простейшими средствами программирования фонем и устройством, способным произносить пх непрерывно, можно создать приспособление, о котором мечтают многие годы специалисты по исправлению речи. Это средство обучения, несомненно, окажет огромную помощь в исправлении дефектов речи у детей. Можно пойтп и дальше. Используя фонемный синтезатор в сочетаппи со спектрографом
для генерации видимых изображений речевых сигналов мм получим устройство, которое можно применить для'обучения речи глухих. Произнося звуки, они должны добиваться их визуального (по спектрограмме) совпадения со звуками синтезатора. Занимаясь подобными упражнениями, люди, которые никогда не слышали жи- вой речи, могут самостоятельно научиться говорить.
Одно из наиболее важных применений простейшей системы синтеза речи — помощь слепым и людям с большой потерей зрения. Проблема ввода информации в компьютер для слепых в основном решена посредством клавиатуры со шрифтом Брайля. Однако вывод данных из компьютера оказывается в этом случае более сложной задачей, и до недавних пор паиоолее эффективным решением ее считалось применение принтеров со шрифтом Брайля. Далее, если правильно подоорать синтезатор речи, который осуществлял бы вывод всей информации компьютера, в том числе и символов, соответствующих нажатию каждой клавиши, то слепые смогут эффективно использовать все широкие возможности компьютера. Для этого, конечно, необходима обширная компьютерная программа с алгоритмом преобразования «текст ——речь», которая обеспечит неограниченный по составу словарь.
Большинство имеющихся в настоящее время в продаже синтезаторов с фонемным возбуждением наделены доступным для пользователя довольно простым алгоритмом преобразования «текст — речь». При отсутствии нужной вам преобразовательной проградгмы вы можете поставить перед собой смелую задачу создания ее собственными силами. В данной области было выполнено немало работ, и результаты многих из гшх опубликованы L
Cai., папрллер, следующие работы: McIlroy М. D. Synthetic English Speech by Rule, Computer Science Technical Report 14, Bell Telephone.— N. Y.: Murray Hill, March 1974; Elowitz H. et al. Automatic Translation of English Text to Phonetics by means of Letter-to-Sound Rules, Naval Rcsearch Laboratory Report 7948, January 1976; Allen G. P. Syntlicsis of Speech from Unrestricted Text, Proceedings of the IEEE, April 1976, 64 (4), pp. 433——42. [Есть русский перевод: Аллен. Синтез речи из произвольного текста, ТИИЭР, 64, № 4, с. 161, 1976.]
Эти публикации помогут вам глубже попять механизм дсё- стипя алгоритмов синтеза речи по правилам, исиользуемым в фонемных синтезаторах.
Ecjm вы интересуетесь алгоритмами преобразования текста в речь, которые используются в большинстве фонемных синтезаторов, то данные публикации познакомят вас с «секретами» механизмов их работы. Указанные программы отличаются исключительной' сложностью, поскольку в правилах произношения письменного английского текста имеются тысячи исключений. Нм одну из существующих программ построения сипте- зировапгтой речи по правилам нельзя считать идеальной. Поэтому л юо о с усовершенствование существующего алгори^глга подобных программ, безусловно, пайдет отклик и получит признание.
Е1це одно применение
Мне хотс.чось бы здесь п р ед л о жить еще одно применение простейшей системы речевого синтеза. Это — использование говорящего компьютера для обучения речи птиц. Компьютер способен многократно и монотонно повторять одно и то же слово, а это идеальный метод для обучения разговору попугаев и других говорящих пернатых. Однако ие удивляйтесь, если ваша птица будет безошибочно копировать все речевые изъяны синтезатора. Ведь она воспринимает многократное повторение нс только слов, но и всех речевых дефектов устройства. Можно даже обучить птицу говорить голосом робота. Представляете себе эту картпну!
Этим, конечно, ие ограничиваются возможные приложения простейшей системы синтеза речп. Как я уже говорил, сфера ее применений зависит исключительно от вашего воображения. «Интеллект» такого синтезатора мо/кно значительно развить, если управлять генерирув' мой им речью ие с клавишного пульта, а программным путем, так что займитесь составлением программ, способных говорить. Работая над такими программами, вы лучше узнаете вашу систему п одновременно получите большое удовольствие.
Говорящий персональный компьютер с периферийными устройствами
Этот небольшой раздел адресуется тем, кто любит заниматься усовершенствованном разлпчпых устройств. Детально освоив простейшую систему синтеза речп, вы
сможете С5тпгествешхо расширить возможности говорящего компьютера, дополнив его несколькими периферийными устройствами. Большинство из них может быть оснащено несколькими параллельными или последовательными портами вводя-вътвода. Хотя опи сыв а емые в этой! разделе применения имеют преимущественно «домашний уклон», ничто не метает вам расплирить сферу их действия. По мере все более тесной интегра-
Н^мотпе 巡7仞22 збонка • (передняя Зверь)Н^мотпе 巡7仞22 збонка • (передняя Зверь)К обмотке дерново зВонка (задняя дверь)
Н^мотпе 巡7仞22 збонка • (передняя Зверь)
Н^мотпе 巡7仞22 збонка • (передняя Зверь)
Рис. 8.4. Схема говорящего дверного звонка.
ции говорящего компьютера с системами сугубо практического назпачешш вы осознаете его впечатляющую эффективность. Подумайте, например, о соединении говорящего компьютера с дверным звонком.
Говорящий дверной звонок
Схему, приведенную на рис. 8.4, мзкно использовать для создания довольно необычного говорящего дверного звонка. Едштствошюе, что исобходшго для этого,— два неболылих реле, которые следует подсоединить параллельно обмотке катушки дверного звонка. Реле, естественно, должны быть рассчитан]»! на то же номи
нальное напряжение, что и звонок, так что будьте внимательны при выооре этих компонентов. Контакты реле нужно подсоединить к двоичным входам параллельного порта ввода компьютера. Если кнопки управления звонком установлены на передней и на задней входных дверях, то компьютер нужно подключить к обеим кноп- кам, как показано на рисунке. Если дверная кнопка од1Hа, то тогда, очевидно, достаточно одного реле и одного двоичного входа компьютера.
Рис. 8.5. Блок-схема программы для говорящего 工верного звонка.
Выбор речевого выхода, посредством которого говорящий компьютер будет отвечать на звонок, полностью на вашем усмотрении. Моя.：по, напрпмер, запрограммировать его говорить фразу: «Кто-то звонит в дверь». Если в ваше、】 доме есть и передняя, и задняя двери, то вы можете запрограммировать компьютер говорить в зависимости от нажатия той пли другой кнопки следующие фразы: «Кто-то звонит в переднюю дверь» или «Кто-то звонит в заднюю дверь>>. Вероятно, вы захотите ввести в речевую систему сигнал предупреждения (см. гл. 4), который будет предшествовать
сообщению компьютера. Возможный вариант программы реализации этого приложения показан на рис. 8.5 в виде блок-схемы. Хотя структура программы исключительно проста, два ее блока, обозначенные «Сказать (фразу)», следует программировать во многом аналогично оператору «Печатать», что позволит компьютеру надлежащим образом реагировать на команду «Говори». Чтобы упростить программирование говорящего звонка, хряниАгый в иэмяти систомы словарь должен содержать обе используемые фразы.
Говорящая система охраны жилища
Еще одно достаточно простое применение говорящего компьютера в доме — его использование в качестве системы охранной сигнализации. Вообразите потрясение грабителя, когда он услышит: «Взлом окна спальни —вызывайте полицию!». Естественно, не меньший эффект даст использование и других фраз того же содержания. Аппаратная реализация этой системы по казана на рис. 8.6. В качестве контрольных контактов для окон и дверей можно использовать просто магнитные переключатели. Каждый переключатель присоединяется к двоичному входу компьютерного порта ввода и остается в замкнутом состоянии до тех пор, пока провод не окажется перерезанным или не будет открыто соответствующее окно (или дверь). Если подсоединить к другому входному компьютерному порту простейший тепловой датчик, то систему можно одновременно использовать для предупреждения о пожаре или просто чрезмерном повышении температуры поблизости. То обстоятельство, что компьютер может тестировать разряды входного порта, будучи предварительно запрограммированным на то, что сигнал на одном входе формируется контактами защиты от взлома, а иа другом — тепловыми контактами, позволит ему определить, какое сообщение следует выдавать в том или другом случае. Блок-схема простейшей программы для говорящей системы охраны жилища показана на рис. 8.7. По своим функциям эта программа во многом сходна с програм- агой говорящего дверного звонка и отличается от последней лишь характером сообщений, используемых в качестве речевого вывода.
Рис. 8.6. Говорящая система охранной сигнализации для дома.
Существенное различие между данной и предыдущей программами заключается также в следующем: чтобы сильнее обескуражить грабителя, следзтет ввести временную задержку между поступлением сигнала о взломе и произнесениелг компьютером сообщения. Это. безусловно, произведет больший эффект на грабителя, если он, уже проникнув в дом, вдруг услышпт предупреждение о взломе. Однако вносить входную задержку в сигнал от теплового датчика, разумеется, не следует, поскольку предупреждение о возможном пожаре должно быть дано без промедления. Говорящая система обеспечения охраны жилища может быть расширена настолько, насколько вы пожелаете. Как известно, основные трудности при создании эффективной системы безопасности связаны с подведением проводов к окнам и дверям. Точно так же систелта сигиалпзацпи может быть подсоединена к говорящему компьютеру. Однако в большинстве существующих стандартных
206
207
Pnc. 8.7. Призер построения говорящей системы пализации для дома.Pnc. 8.7. Призер построения говорящей системы пализации для дома.Рис. 8.8. Возможная система электронного замка, отпирающегося голосом.Рис. 8.8. Возможная система электронного замка, отпирающегося голосом.
Pnc. 8.7. Призер построения говорящей системы пализации для дома.
Pnc. 8.7. Призер построения говорящей системы пализации для дома.
Рис. 8.8. Возможная система электронного замка, отпирающегося голосом.
Рис. 8.8. Возможная система электронного замка, отпирающегося голосом.
охранной снг-
систем охранной сигнализации все переключатели соединены последовательно от окна к окну п (или) к двери и т. д., что исключает возмоукиость идентификации песта взлома. Следовательпо, при подключении к такой стандартной системе компьютер мо;кпо запрограммировать только иа 巾разу:《В долю грабитель». Ио это произведет на грабителя, пожалуй, не меньшее вне- иатлсюте, четл фраза компьютера с точным указанием места взлома.
Залюк, отпирающийся голосом
Говорящей компьютерной системе можно найти эффективное применение, если соединить ее с периферийным устройством, наделенным простейшими средствами распознавания голоса. Если вы дополните говорящий компьютер устройством распознавания голоса, то обнаружите, что число его возможных приложений станет практически неограниченным. Одно пз таких приложений, правда, несколько искусственное (но зато лег-
ко реализуемое*—— это замок, который будет открываться в ответ только на заранее запрограммированные голоса.
Поскольку большинство систем распознавания голоса обладают способностью распознавать по меньшей aiepe 16 различных фраз, в сочетании с синтезатором голоса пх можно использовать для создания очень надежного замка с голосовым управлением. Принципиальная схема реализации такой системы изображена на рис. 8.8. Помимо периферпйпого устройства со сред- ствйаш синтеза речи здесь понадобится еще система
208
8 N 989
羽9
Гис. 8.9. Блок-схема программы для злектроиного замка, °а нирающегося голосом,Гис. 8.9. Блок-схема программы для злектроиного замка, °а нирающегося голосом,
Гис. 8.9. Блок-схема программы для злектроиного замка, °а нирающегося голосом,
Гис. 8.9. Блок-схема программы для злектроиного замка, °а нирающегося голосом,
распознавания речи, соединенная с компьютером, а также некая модификация дверного замка, причем замок должен быть электронным. Двоичный выход компьютера используется для управления соленоидом дверного запора через мощный транзистор, напряжение которого согласовано с номинальным напряжением соленоида. Кроме того, на входной двери устанавливав ется кнопочный выключатель, нажатие на который уве- домляет компьютер о желании человека войти, а также микрофон и громкоговоритель, соединенные с устройством распознавания голоса и речевым синтезатором соответственно.
Работа этой системы полностью определяется программными средствами; поэтому она обладает исключительной гибкостью, что позволяет легко приспособить ее к конкретным нуждам. Рассмотрим оперативную программу — весьма фундаментальную по своей струк- туре?— которую можно использовать для ^шравления замком, отпирающимся голосом. Структура этой программы показана на рпс. 8.9. '
Специфика пспользоваппя речевого синтеза в данной системе состоит в том, что компьютер люжет попросить человека, желающего войти, повторить наугад любое из четырех предварительно записанных в его память слеш. Устройство распознавания голоса должно пройти дополнительную тренировку в распозтгавалпп тех же четырех слов, произносимых каждым человеком, которому разрешен вход в помещение с дверью, отпираемой голосом. По команде компьютера человек, желаю- 1Ц“Ег войти, должен повторить слово, запрошенное компьютером.
Преимущество диалоговой системы такого ])оча заключается в том, что если была произведена магнит- ха兄 запись вашего голоса в попытке «обмануть» замок, то пРоизвольный выбор паролей, безусловно, отобьет У «электронного грабителя» охоту проникнуть в поме- 、ege с помощью магнитной записи нужного голоса. Котя замок, открывающийся голосом, довольно слоями ДЛЯ практической реалпзащш, йш упомянули о нем, ™Д проиллюстрировать все разнообразие возможных приложении компьютерного синтеза реин. Если вы хо- ::::ДВИгаться в 9т«й области дальше п обладаете до- ：：；：2'И техшгХ1СС1^^нг снособностяш!, то можно по- "уматв оо установке речевого сшиозатора в кухне: во 210
время готовки он будет читать вам поваренные рецепты или сообщать о текущем состоянии обогревательной и охлаждающей систем в квартире с указанием общего расхода энергии.
Число подобных приложений бесконечно. Если вы не поленились подсоединить к компьютеру все ваши домашние системы, то у вас может возникнуть желание наделить компьютер способностью отвечать па телефонные звонкп и говорить. В зависимости от выбранной конструкции подобной системы можно добиться самых разнообразных результатов. Так, можно построить систему, с которой вы сможете разговаривать по телефону, находясь вне дома. Введя (после соединения) несколько числовых кодов с кнопочного номеронабирателя, в ответ вы получите от компьютера полный отчет о состоянии вашего дома по таким показателям, как температура, безопасность, число бывших в ваше отсутствие телефонных вызовов и т. д.; все эти данные компьютер будет считывать с соответствующих индикаторов. Такая система может избавить вас от больших неприятностей и значительных затрат, если сообщит вам, к примеру, что за ваше двухнедельное отсутствие температура в холодильнике поднялась до 27℃. Придется срочно звонить приятелю и проешь, чтобы оп позаботился о сохранности ваших припасов.
Если говорящий компьютер подключить к телефону, то его возможные применения сразу многократно возрастут. Так, используемый в системе охранной сигнализации говорящий компьютер может быть запрограм- мкровав на получение доступа к телефону непосредственно при взломе. В таком случае он может вызвать но телефону вашего друга (или полицию), описав при зтом ситуацию и одновременно указав адрес. Такие системы у*е имеются, однако их говорящая схема, как правило, механически воспроизводит соответствующую запись и, таким образом, зависит от надеж- иостп механического устройства. У компьютера, осна- щепного перпфернйпьш устройством со средствами синтеза речи, этой проблемы нет, но для него, конечно, требуется резервный источник питания, который действует в случае ыеисправиости сетп или ее намеренном отключении.
Итак, дгы перечкелплп ряд возможных применепяй системы синтеза речи. Хотя мы коснулись лишь того, 212
ито буквально «лежит на поверхности», надеемся, что зти примеры разожгут ваше воображение и оно подтолкнет вас на дальнейшие поиски. Как только в вашем распоряжении окажется компьютерная система, способная устно взаимодействовать с внешними абонентами, чтобы реализовать очередную идею, вам достаточно написать соответствующую программу. И если система сможет говорить с вами, опираясь на вводимую в нее информацию о происходяхцих вокруг нее событиях, то это, безусловно, можно считать вашим замечательным достижением.
И наконец, завершая обзор прилон<ений синтезаторов речи, коснемся их коммерческого использования. Эта область еще таит в себе много неизведанного. Пока писалась эта книга, каждый день появлялись сообщу- ния о все новых устройствах с синтезированной речью. И недалеко то время, когда, подойдя к автомату по прода?ке безалкогольных напитков, вы услышите синтезированный голос: «Не хотите ли опустить 40 цен- ТОВ?丸
Коммерческие приложения синтезированной речи
Эта область применения синтезированной реял стремительно развивается. Изготовители торговых автоматов, автомобилей, детских игрушек состязаются между собой в стремлении выпустить изделия с встроенными в них синтезаторами речи. Пожалуй, со времени изобретения транзистора в промышленных лабораториях США не вспыхивало такого ажиотажа. Каждый старается наделить свои изделия способностью говорить. Когда эта книга печаталась, синтезаторы речи уже былп успешно использованы в таких устройствах: стираль- пан машина; СВЧ-печь; торговый автомат по продаже шипучих напитков; видеоигровой автомат; лифт; автомобиль； электронный мультиметр; некоторые настольные электронные игры для детей; телефонный справочник; автоматический информатор, дающий справки об авиарейсах; часы; телевизоры; калькуляторы; электронные «переводчпки»; проигрыватели; компьютеры. Все зтп устройства стали говорящими.
Список можно продолжать бесконечно. Через пять — десять лет он скорее всего займет уже страниц пять ио-
добной книги. Что и говорить, способность предоставить пользователю прямой реч«в« вывод кажется весьма привлекательной; однако,面⑥ мере того как в США все в большей стелеет в-внедраося двуязычное образование, возе乳倒許俨^ вопрос: кэе^й ж® языж применять в говорящих ейеттах? Нжютиютыьбй текст можно представлять на доух языках шараллеть»г обесцвечивая равные возмошноств дот田 EOCTips»™^ JSHo6>©»ir©- из них. При устном общеташ йлноЕ,©шытаьЕе, т^ста одинакового содер/кания придется воспгротавадюъ Егосле- довательно, один за другим. Одна из яврт.^летт 瑜©ггорую необходимо будет репшть (или лрр^шгпсфпар^шлгь) при дальнейшем ра-спростра?веетн гово<р»щжх： систет, связана с тем, как лу师!ю шроЕзиести ©дну 理 ту же фразу па разных языках. Быть может г наетуйит дшьт когда, войдя в магазин с яам&ретиж купвпгь говорящую СВЧ-печь, мы- уелмшим воир®с: 《К急阳ук> пе^ь< аы желаете приобрести — гав©?р*яЕцую ва аигжйск©^,. испанском, итальянскодг и т. д.?» Хотя сеп&даж ^eq выглядит курьезом, очень возможно, что окончательное решение этой проблемы сведется к установке и а говорящих изделиях «язш&€>ввЕО пе-реключа.теля»т повернув который вы сможете услышать язык по своему выбору.
Не исключено, что н戒ступ加 дань,区@：「我淦 зш, оглянувшись вокруг, восктакнж：' «Дадго лвг 泾花总 邦狐 окружающие пае нелые устрк>йсггта будут еста®«нтъея такими, как они есть?» Выть- может,- р舞咄® юй тздио все вокруг нас заковорнт. Примет лж общеетто ко^оржиц!® вещи или отвергнет м нг^жк^м 更 нгшриюсръ^,. покажет время. Первые иескодак© говорящих пиредает» в нашем доме, безусловЕУо-, буцут вбспржиА®言тъ您毋 как забавная новинка, однако*каковойрвгдетет вмюн^ шиукам, если им некуда будет укрыться от эйл^етр^шл^х голосов, заполнив-ших все жиэн!еннб>е иpwoipамош»
Я вовсе, не хочу сказать、, ％о 醍豆品жц«ие же&)>го коммерческого» издедая е-редсттамп еиштша pew салю по себе следует рассматрй&а>ть 闕跟提 дурите Е£а1чжшание. Мысль моя еэбдлтс'я к том^г, что» Bsrc^MDKinrejisiiM сшедует хорошо но думать, прежде тем в»дать сижгш2ф«»в5мну1о реаь в свои серн血нь^в система. Если, в ташет ^ежв'ря- 7кешш останутся регуляторы гр❷潜ж©си> и ®ыклвоча1тели дл只 управпеш1# речевым выводом б*ьст©®^^ устройств и мы сможем продолжать пользоваться визуальными
дисплеями, то тогда при желании мы еще сможем наслаждаться тишиной. В противном. случае нас не будет покидать ощущение, что мы постоянно находимся в толпе.
Заканчивая книгу о синтезированной речи, генерируемой компьютером, я хочу напомнить вам, что все, о чем здесь рассказано,— это лишь верхушка айсберга. Наука о генерации искусственной речи пока находится в младенческом возрасте. Ведь большинство людей еще продолжают считать, что говорящий компьютер относится к области научной фантастики. И я надеюсь, что эта книга немного приоткрыла перед вами «дверь в будущее». Вее зт© уже ire научная фантастика, а отчасти — сегодняшняя реальность. До вас донесся голос из завтрашнего дня.
СЛОВАРЬ ТЕРМИНОВ
(в употребляемых в книге значениях)
Автокорреляция. Способ обработки сигнала, при котором сигнал задерживается и затем задержанный сигнал умножается на первоначальный.
Адамово яблоко. Выпуклость на передней поверхности шеи (у мужчин), образованная щитовидным хрящом гортани.
АИКДМ. Адаптивная импульсно-кодовая дельта-модуляция.
Аксон. Отросток нервной клетки, проводящий нервные импульсы от тела нейрона к иннервированным органам или другим нейропам.
Акустический. Имеющий отношение к звуку или слуховому восприятию.
Аллофон. Произносимые вариации фонем, зависящие как от самих фонем, так и от их положения в словах.
Амплитуда, Величина (громкость) сигнала.
Аналоговый. Плавно (без заметных дискретных скачков) изменяющийся сигнал.
Л ппаратные средства. Электронные компоненты вычислительных машпн и периферийных устройств.
Артефакт. Процесс или образование, не свойственные изучаемому объекту в норме и возникающие обычно при его исследовании искусственным путем.
Артикуляция. Работа органов речи при произнесении того или иного звука; степень оэтетлнвостп произношения.
Афония. Отсутствие голоса (при сохранности шепотной речи), наблюдающееся при заболеваниях гортани и связанное с нс- способыостыо голосовых связок вибрировать.
Аффриката. Согласный звук, состоящий из взрывного и фрикативного элементов.
Кайт. Часть машинного слова, состоящая обычно из восьми битов.
Барабанная перепонка. Упругая тонкая пластника из соедпнп- тельнЗ] ткани между наружным и средним ухом. Передает зву- XGBbie колебания через слуховые косточки во внутреннее ухо. Белый шум. Полностью случайные сигналы, содержащие все частоты; акустически звучат как итвение.
Ьит. Разряд в двоично]] системе.
Бронхи. 1 рубчатые воздухопоспыс ветви ipaxeii; пасть голосового тракта человека,
Взрывной звук. Согласный звук, характеризующийся длинной паузой, следующей за резким усилением амлитуды при произнесении согласного.
Вокодер. Любое устройство электронного кодирования речи. Восстановленная речь* Речь, восстановленнаи электронными средствами из записанной в памяти компьютера человеческой речи. Выпрямитель. Электронный компонент, пропускающий ток только в одном направлении; используется для преобразования переменного тока в постоянный.
Высота основного тона. Доминирующая частота, создаваемая истопником звука.
Гармоники. Искажения чисто синусоидального сигнала, заключающиеся в появлении гармонических составляющих, кратных основной частоте.
Гласный звук. Звук речи, состоящий главным образом из голосового тона.
Глотка. Часть пищеварительного тракта от пищевода до ротовой полости.
Глухой з&у,詳 Звук, произносимый без колебаний голосовых связок.
Голосовые связки. Парные эласти1шые тяжи в боковых стенках гортани. При их колебаниях и сужении голосовой щели образуются звукн голоса.
Гомоморфный фильтр. Фильтр, пропускающий нужный сигнал и подавляющий все нежелательные компоненты.
Гортань、Часть голосового тракта, включающая голосовые связки.
Грам маши ческий разбор. Разделение фразы или компьютерной программы на элементарные структурные части.
Громкость. Восприпимаемая характеристика звука, связанная с, его силой и высотой тона.
Губной звук. Звук, произносимый губами.
Двоичная система. Система счисления по основанию 2; все члена в ueii представлены в виде различных наборов нулей и единиц. 衣自?匕""卜,九00屮工兄1山九 тип цифрового кодирования аналогового сигнала, осяованный на использовании изменении сигнала. диалект. Разновидность языка, употребляемая более или ме- :;ее ограпичеппо)! rpynnoii людей, связанных социальной, тер- ]иторпалыюн и пр. общностью.
Дисфония. PaccTpoiiCTua голоса, вызываемые заболеваниями гортани.
Дифтокг. Сочетание двух гласных звуков.
Затухание, У^и^ньшоние амилвтуды или мощности оигнала.
Звонкий звук. Звук, для произнесения которого используются ГОС1 осовые связки.
216
247
ЗУПВ. Запоминающее устройство с произвольной выборкой. Временная память, сохраняющая информацию до тех пор, пока не отключается питание.
Импеданс, Эквивалентное сопротивление электрической цепи переменному току.
Интегратор, Электронная схема или система» выполняющая математическое интегрирование сигнала.
Интонация. Изменение тона голоса, позволяющее особо выделять отдельные слова или фразы.
Конкатенировать. Связывать в последовательность.
Кодирование. Преобразование сигнала из одвон формы в другую. Коэффициент отражения. Величина предикцпи в цифровой фильтрации при синтезе речи ио методу ЛПК.
Лингвистика. Наука об общих законах строения и функционирования человеческого языка.
Л инейное предиктивное кодирование (ЛПК). Способ математического моделирования речи, основанный на цифровой фильтрации голосовых и неголосовых колебаний (параметрическое кодирование).
Линейный, Изменяющийся линейно, или непрерывно, как, например, аналоговый сигнал.
Микрофон, Усгройство, преобразующее звуковые колебания в улектрические сигналы.
Микропроцессор. ^Сердце» компьютера; центральный процессор, в котором роль центра управления вьшолняег монолитная интегральная схема.
Модуляция. Способ кодирования сигнала; изменеыпе характери- стнк сигнала по заданному закону, медлеипое по сравнению с основным колебанием.
Монотонность. Интонация с надоедливой постоянной высотой тона.
^орф. Последовательность связаяпых фонем, образующая минимальную значимую часть словоформы.
Морфема. Мпнимальвая значимая "часть слова* совокупность мор- 0ов, имеющих одинаковое значение н ряд крутпх общих признаков.
Нейрон, fiервная клетка, состоящая из тела п отходящих от нее отростков; основная структурная и фунК1\иональная единица нервной системы.
Нормализация. Сопоставлсшне сигнала плп некоторой величины с опорным, нтп эталонным, значением.
Носовой. 1) Имеющий отношение к носу; 2) гр у пиа согласных зву-
Обертоны см. Гармоники.
Обратная связь. Управляемая реакция в системе, при которой выходной сигнал используется для корректировки.
Октава. Интервал частот, верхняя граница которого вдвое превышает нижнюю.
Омонимы. Слова с различным написанием, но с одинаковым пропзношениел.
Оральный. Ротовой, относящийся ко рту.
Основная частота. Низшая частота сигнала, содержащего гармоники.
Палатальный звук. Артикуляция звуков путем касания кончиком языка твердого неба.
Паркор. Частичная корреляция — вид линейного прогнозирования сигналов; способ синтеза речи, используемый некоторыми японскими фирмами.
Перегрузка из-за большой крутизны. Искажения сигнала, вызываемые дельта-модуляцией; возникают, когда дельта-мод>г- лятор не успевает за изменениями сигнала.
Период. Полный цикл колебания в периодическом ироцессе.
Полоса частот. Часть спектра сигнала, существенная для его правильной передачи.
Полосовой фильтр. Фильтр, пропускающий только ограниченную полосу частот.
Полость. Полая область, например гортинь или носовая полость, обладающая резонансными свойствами.
Порог.①мкенрованная величина, или значение амплитуды, используемая для отбора сигналов выше илп ниже ее.
Порт. Соединение между компьютером и его периферийными устройствами; ввод-вывод.
Последовательное включение. Включение, прп котором каждый каскад схемы соединен своим выходом с входом следующего каскада.
Постоянное за пом инающее устройст во (ПЗУ). Постоянная память ЭВМ, обычно используемая для хранения данных или программ. Содержащаяся в ней информация сохраняется п при выключенном питании.
Принцип. Найквиста (теорем отсчетов). Утверждает, что для сохранения верности передачи частота выборок сигнала должна по краппей мере вдвое превышать самук> высокою частотную составляющую сигнала._
Промежуточный звук. Согласный звук речи, относящийся к категории полугласных.
Псевдослучайный. Преющий вид случайного на протяжении ограниченного отрезка времени.
Резонанс. Усиление колебании определенной частоты яри от- с5ттсгвии такового на других частотам.
Резонатор. Устройство, ^тнливающее (выделяющее) некоторые частоты по сравнению с др^тнми.
218
219
Рекурсивный фильтр. Многозвенный лестничный фильтр с многими обратными связями.
Рецепторные клетки. Специализированные нервные клетки, пре- оиоазующие раздражения, иоспринимаемые извне или из ор- га^изма, в нервное возбуждение, передаваемое в центральную нервную систему.
Семантика. Раздел языхознанин, изучающий значения слов.
Синтаксис, Способы соединения слов (и их форм) в словосоче- тнння и предложения, а также соединения предложении в сложные предложения.
Синтезатор речи. Устройство для генерации искусственной речи. Синусоид ильное ^слебание. Пер и од и чес к ий аналоговый сигнал, описываемый формулой sin 2n/Z, где / 一 "частота, t 一 время, .л =3,14159.
Слог. Сегмент речи или письма, более длинный, чем фонема, но короче слова (за исключением односложных слов).
Слуховой нерв. Группа нейронов, передающих сигналы от ушей к головному мозгу.
Случайный. Характеризующийся равной вероятностью любого события.
Согласный звук. Звук речи, относящийся к категориям взрывных, фрикативных, носовых, промежуточных и полугласных; негласный звук.
Спектр. Совокупность всех частот, содержащихся в сигнале. Спектрограмма (звука). Видимая запись речи с помощью спектрографа, показывает частотный спектр речи.
Трахея. Часть дыхательного пути между гортанью и бронхами, орган дыхания.
Улитка. Спиралевидная трубка во внутреннем ухе; преобразует звуковые колебания в импульсы, возбуждающие слуховой нерв.
Ушная раковина. Внешняя часть уха.
Фильтр нижних частот. Электрическая схема, ослабляющая высокие частоты и пропускающая низкие.
Фонема. Основная звуковая единица речи.
Фонетика. Раздел языкознания, изучающий способы образова- иия звуков речп н их акустические характеристики.
Форманта, Частотная полоса, выделяющаяся в спектре речевого сигнала.
Формантный синтез. Синтез речи, основанный на восстановлении формантных частотных полос.
Фрикативный ^вук. «Статический» звук; при произнесении остаются иеподвижныл!!! вес части голосового тракта, кроме ]'олосо- вых связок и (или) легких; согласный звук речи, inieiouwii широкий частотны!) спектр, произносимый с шумом.
Фурье-преобразование, Математический метод определения спектрального состава сигнала,
Цифровой, Относящийся к области дискретной техники — в противоположность аналоговой.
Шепот. Речь, состоящая только из глухих звуков.
〃/ум. Широкополосный сигнал, характеризующийся случайными изменениями амплитуды, частоты и пр., не несущий никакой и нформации.
Электрический аналог. Электронная модель физического явления.
Язык (апат.). Мышечный вырост па дне ротовой полости; принимает участие в акте речи, Центр артикуляции.
ПРИЛОЖЕНИЕ
Мы предлагаем читателю набор схем, которые можпо использовать в работе с синтезатором речи; их можно применять как автономно, так и совместно с другими схемами для синтеза речи.
*12 贽5В
+ 12 三 158(пост. /770^}
Рис. III. Фильтр усилитель 741.]
ни/кних частот (3,5 к1 ц). [F1 一 операционный
*，ов
SQGE、[JWK)
Рис. I. Усилитель динамического лшкрофопа. [А1 — операци- оиный усилитель ‘.еш【а 741.]
Ж^. переЗа^и /- ЮО
Макрод)◎冃(凉з инбертирования)
с вь/сонам сопро -
中企匕6£
(^ост. тон)
*о~~!(■——
0,0О^ а*
7AW
3
十「
/0八“ ±
夕门人力звуно^(
%70
一 'передали
』■/%" 1QQ 汽 ОМ
辻
j " 丄
(пост, тон)
Рис, Л. Усилитель микрофона с высоким входным сопротивло- н[心I. [А1 — то ?ке, что на схеме рис,. I.]
%绊 ^МЙ^У. сигнал (±6 В厶 про以国以uxj через 伪” 330丿
8%ГЛ先夕 4^- тота среза равна частоте такт、必at, OemtiHW 赦 &0
Рис. IV. а)наьтр нпжппх частот (15 кГц) с крутьт“н спадами, использующп!! фильтр на переключаемых копдепсаторах. [DF1 — комментируемы)! ФНЧ иша Р 5609 фпрмы «Ретикон» (Саннивейл, шт, Калпфорыпя.и
^12-158
(рост、ток)
孑栩？抬8
(пост, тон)
и A1 .
Осаленный 以筋 з8ун. сигни л
72
2 —1Г
OB U d Стробирующий, ампульс (ТТЛ)
П|
10мкФ 丄
Ю '
S1
0 с
#Лиснрети-
зованный
о ,з8у& быходн, 9 我 07 сигнал
Стабилитрон на加6
10 м^Ф
-®%6
(пост, тон)
Рис. V. Дискретизатор аналогового сигнала. [S1 — недорогая интегральная схема выборки и запоминания типа AD582KD фирмы «Аналог дивалсес» (Норвуд, шт.
Массачусетс),]
Л компьютеру ~*~^蹤〃
,7с
обо
8-раЗрядный ^ 0 параллельный f
%侬就力成 〃吵 23 °—
,2o
勿0
DO у— Падший разряд
A1
«勿
У 尸0"
70м0 4=-
ХОм
户6白
+ 3 £ 0%/7Z ток)
Иодлё^ащии даснретизации всего диапа- входн. з8ук<
зона
10
Г1-
Ю^нФ
сигнал
/% В/
Лотенцио- ^вгпр (10 кОм)
%
乃
7F7
4
匕 тремя возможны^ ми состоя-г
нияма н шпьютёр^ старил向沪 入一 \
разряд
I 尸夕 параллель^ о,夕 \но^у бнодному
Данные еотовы
夕
2D3 902 о力 900
порту ном пью - тера или, 〃 или не dQHHbfX.
/Wwz/z/разряд
Преооразобагпь ''—*
Z?
卜%%0丄
о
夕В 0 8
Низкая уровень по онон^анаа. преобразования Низний (/робень 弘斤начала прео^разо^а^я 〃 6 случае быхо~ 威，“е имеющего 门煦① QQcrno^Huu
о
(пост, mg
Рис. VI. Схема дискретизатора речевого сигнала. [AD1 ——апало- гр-цпфровой преобразователь типа AD570JN фирмы «Аналог дииайссс» (вредш преобразования примерно 40 мкс).]
-а~
，нОп
Выход восстановленного звшс сигнала (±〃В 丿
IQM&G g
1
一左：乃*6(посгл. тон)
Рис. VII. Схема восстановления речевого сигнала. [DA1 — микросхема цифро-аналогового преобразователя типа DAC-08CQ фирмы «Пресижн монолитпкс» (Санта-Клара, шт. Калифорния); А1 — ти же, что на схеме рис. I.]
2 2 О
+5汙
(пост, ток)
1313
13
13
丄以方帝，3
"、/W0 \ \кОм
也кОм
1114
右
Вход рече~ с
Soeo сигнала^勿川存 О
прошедшего ?
州0Ц)丄
\500 0m
~
Т— 0,4 мк*
1 кОм
72
NM1
6
7 0-
70
*匚 I'' 0" 13к Ом
4ZZ>Hf-J
600
Выход речевога сиенал^
叵
600оm 方"й6
片 номпьютер^ ному порту
10 нГц
Q8
W
Тантовыа Зход (1 МГц) ° ТТЛ^роднн
炉'5В
© 职步]Демта^ смодулировав
■0&" J наа речь
Управление нодиро- ■° Sduue^-^ef^dupcSafiueM о Тантсёый
成%Й/
匸互
DCC1代％。）
2 74 8
[OJмкФ /6
KJ
7
Рис. VIII. Схема кодировапия-восстановленпя по методу дельта-лодуляцип. [DM1 ——микросхема МС 3417 дельта-модулятора/демодулятора фирмы «Моторола»; DCC1 — сдвоен- пый счетчик типа 74 LS 390.]
+ 12Т5В(пост、ток)+ 12Т5В(пост、ток)Ю kQmЮ kQm^12-15 В(пост, тон)^12-15 В(пост, тон)勿斤0"勿斤0"i 10 кОмi 10 кОм22~^ 110мкФ 士~^ 110мкФ 士口 330*0“口 330*0“0t1 мнФ^0t1 мнФ^10 М010 М0——*t*Микросхема 1П91^ или знбибалент- ная——*t*Микросхема 1П91^ или знбибалент- наяА1А1纟7斤。"纟7斤。"/0“。" 、Потен- 丿《〃о- метр/0“。" 、Потен- 丿《〃о- метрРегдлиробка амп/ллтудыРегдлиробка амп/ллтуды"“〃“"“〃“==Стабили - трон 〃а 6 ВСтабили - трон 〃а 6 В"6W"6W2 кОм АПотен\ \ЗЗО нОм циО' Uметр2 кОм АПотен\ \ЗЗО нОм циО' UметрЗ^Е〉TLЗ^Е〉TL10 кОмwмhФ 斤0"10 кОмwмhФ 斤0"—° Выходной импульс голосовой щели—° Выходной импульс голосовой щели-12-15 В(пост, ток)-12-15 В(пост, ток)—ленае ~Вь/сотоа,люна.—ленае ~Вь/сотоа,люна.=Т2Т5 В^nac^t 々0仪=Т2Т5 В^nac^t 々0仪
+ 12Т5В(пост、ток)
+ 12Т5В(пост、ток)
Ю kQm
Ю kQm
^12-15 В
(пост, тон)
^12-15 В
(пост, тон)
勿斤0"
勿斤0"
i 10 кОм
i 10 кОм
2
2
~^ 1
10мкФ 士
~^ 1
10мкФ 士
口 330*0“
口 330*0“
0t1 мнФ^
0t1 мнФ^
10 М0
10 М0
——*t*
Микросхема 1П91^ или знбибалент- ная
——*t*
Микросхема 1П91^ или знбибалент- ная
А1
А1
纟7斤。"
纟7斤。"
/0“。" 、Потен- 丿《〃о- метр
/0“。" 、Потен- 丿《〃о- метр
Регдлиробка амп/ллтуды
Регдлиробка амп/ллтуды
"“〃“
"“〃“
=
=
Стабили - трон 〃а 6 В
Стабили - трон 〃а 6 В
"6W
"6W
2 кОм А
Потен\ \ЗЗО нОм циО' U
метр
2 кОм А
Потен\ \ЗЗО нОм циО' U
метр
З^Е〉
TL
З^Е〉
TL
10 кОм
wмhФ 斤0"
10 кОм
wмhФ 斤0"
—° Выходной импульс голосовой щели
—° Выходной импульс голосовой щели
-12-15 В
(пост, ток)
-12-15 В
(пост, ток)
—ленае ~Вь/сотоа,люна.
—ленае ~Вь/сотоа,люна.
=Т2Т5 В
^nac^t 々0仪
=Т2Т5 В
^nac^t 々0仪
Изменение высо(пы тона
голоса, с 50 до 勿〃 &
Рпс. JX. Геперато]) имну.пг.са голосовой ugii с регулируемой высотой основного тона 1Л1 — см. схему па рнс? I」
^1245S(пос/п. тон)
4化卄5 B (пост, тон)
-12HSB
(пост, ток)
Выход шумового сигнала
Вы^од фор-* мантногЪ о)—. qiu/fornpa ^7—7
рыход々吋 житного оi—1— (/wibmpa 川山
№2 выход q)op^ NQtHRHOlQ о—I ]— qnuibrnpa % 外。"
10 нОм
(пост, тон)
"° ВьзоЗ дюрсмант ной
^речц^Юв)
1
Рнс. X. Цифровой источник фрикативного шума. [NS1 — микросхема MM5837N цифрового источника шума фирмы «IIdihiiji со- микондактор Л1 ——см. схему рис. I.]
卩нс, XII. Схема суммирования формантных частот. [А1 —см. схему иа рис, I.]
4，•"/£〃
Вход речевого сигнала
10 кОм
о
32 В(пост, ток)о
OpiNMP 鼻
Рсеули- IПотенЦио^ ровка Хметр 60 кОм
0f1 мкФ
例Wr0 108
Зк/г勿ввориты^(8-f2 Oft)
*0」NN中
Рис. XL IIPiJeci'paiiBapMbiii no.nocoHoii фильтр формаптных частот (ср(!Д1П1>| чпскп'а 11е|)('с.'граш1ается в диапазоне 2()U —— 4()()U Гц)« I Л1 ——О11(?рациолиы11 усилитель j пиа 741 J
「нс. XIII. Усилитель мощности для синтезатора речи. [РА1 — услишкччь мощности типа LM-386N фирмы «Нэшнл семикондак- гор».|
ЛИТЕРАТУРА
ФИЗИОЛОГИЯ РЕЧИ
Curry R. The Mechanism of the Human Voice.— New York: David
Denes^V： Phison E： N； The Speach Chain.-— Baltimore, AID:
Waverly Press. Inc., 1963.d」…
Fletcher II. Speech and Hearing in Communication. — Funston, NJ: Van Nostrand Co., 1吟唾3.
GrayG. W., Wise С. M. The Bases of Speech.— New York: Harper
& Brothers, 19^6.i
Kaplan H. M. Anatomy and Physiology ot Speech.— New、ofk.
McGraw-Hill, 1960.. D,.
Zemlin W. R. Speech and Hearing Science: Anatomy and Physiology.—Englewood Cliffs. NJ: Prentice-Hall, Inc., I9t)8.
ЛИНГВИСТИКА
Chomsky N., Halle M. The Sound Pattern of English.— New York: Harper and Row, Publishers, 1968…T1
Fairbanks G. Voice and Articulation Drillbook.-- New York: Harper and Row, Publishers, 1960.
Harris Z. S. Methods of Structural Linguistics.— Chicago: University Press, 1951.、.
Heffner R. General Phonetics.— Madison: University oi Wisconsin
Press, 1950.
Hill A. A. Introduction to Linguistic Structures.—New York: Harcourt, Brace and World 1958.
Jones D. The Phoneme: Its Nature and Use.— Cambridge, U.K.：
Heffer, 1950.「…
Lyons J. Introduction to Theoretical Linguistics.— Cambridge, U.K.： Cambridge University Press, 1968.
Shuy R. W. Discovering American Dialects.— Urbana, IL.: National Council of Teachers of English, 1967,
Potter R. K.., Kopp G* A., Kopp H. G. Visible Speech.— New York* Dover Publications, 1966.
Rabiner L. R., Gold B. Theory and Application of Digital Signal Processing.— Englwood Cliffs, NJ: Prentice-Hall, Inc., 1975.
Steely7g. Delta Modulation Systems.— London: Halsted Press,
Teja E. R. Teaching Your Computer to Talk.— Blue Ridge Summit, Pa: Tab Books, Inc., 1981.
ДОПОЛНИТЕЛЬНАЯ ЛИТЕРАТУРА
Кондратов A. M. Зв^ки и знаки. — М-： Знание,, 1966.
Кюлпап Э. 10. Синтезаторы речевых сигналов.—Институт кибер- иетикн ЛИ СССР, Таллин: Валгус, 1975.
Назаров М. В., К^шмнюв F* И., Попов О. В. Теория передачи сигналов. — Al_: £ta3b, 1970.
Сапожков М. А. Реясвол сигнал в кибернетике и -связи.— М」 Связь, 1963.
Синтезаторы (сб. статей). — М.: Знание, 1983.
Фант Г. Акустнеисжагя теория речеобразования.— М.: Наука. 1964.
Фланнаган Д;к. Анализ,, синтез и восприятие речи.— М.: Связь. 1968.
Черри К. Человек н информация.— М.: Связь, 1972.
Гаргальхно Т., <1)отгв К. *С»стела для проекте ротания синтезаторов рт】.一 Ззкздравэм, 1981, т. 54, 掘 恚 <с. 24—29.
Шаплин К., Ф^яиц ,Д；к.„ Гуди К. Программа ^синтеза речи для иерсоиальыого компьютера.— Электроника, 1981^ т. 54, № 3. с. 30—34.
Уиггинс Р., Врентняхэм -Л. -Синтезатор речи на трех ИС.— Электр они ка. 1979, т. 52, № 18, с. 25—34,
Всйнрич Д. Синтезатор речи с естественным звучанием.— Элео- тронпка, 1980, т. 53)№ 8, с. 36—43,
РЕЧЬ И ЭЛЕКТРОННЫЙ СИНТЕЗ
Flanagan J. L. Speech Analysis, Synthesis and Perception, 2nd Edition.— New York: Springer-Verlag, 1972.
Markel J. D., Gray A. II. Linear Prediction of Speech.— New York: Springer-Verlag, 1976.
Oppenheim A. V., Schafer R. W. Digital Signal Processing.— Englewood Cliffs, NJ.: Prentice-Hall, Inc., 1975.
Peled A., Liu B, Digital Signal Processing, Theory, Design and Implementation.—New York: John Wiley and Sons, 1976.
ПРЕДМЕТНО-ИМЕННОЙУКАЗАТЕЛЬПРЕДМЕТНО-ИМЕННОЙУКАЗАТЕЛЬ
ПРЕДМЕТНО-ИМЕННОЙ
УКАЗАТЕЛЬ
ПРЕДМЕТНО-ИМЕННОЙ
УКАЗАТЕЛЬ
Адаптивная пмпульсно-кодовая дельта-модуляция 102
Акустические резонаторы 73
Акустическое взаимодействие 64 схема 65—67
Алломорфы 50
Аллофон 45, 216
Амплитудный детектор и пороговая схема 64
Аналоговый интегратор 102
—компаратор 99
—синтез формантных частот 15—17, 104, 136
— формантный синтезатор речи 156—173
Аналого-цифровой преобразователь 90)91, 116
Артикуляция, упражиения 55-57, 216
Небиджа машина 73
Бейсик 45
Белл А. Г. 75
Бод, скорость передачи 132, 172 переключатель 172
Взрывпые звуки 27, 41, 48 — 49, 217
В одер 78—79
Восприятие компьютерной речи 60
Встречающиеся наиболее часто слова 51, 52
—звуки 51, 53
Выборки (отсчеты) абсолютные 97 аналогового сигнала 90 механизм 87 система 90 теорема 86, 90 частота 86, 88, 96
Высота осиовиого тона 217 генератора 119 голоса 35, 117
Генераторпсевдосл у чайного
шума 119
Геператор-преобразоватоль «речь — Л ПК-код» 189
Глотка 32, 33, 217
Говорящая система охраны жил ища 206 — 208
Говорящие меха 74
—механизмы 73 — 76
—устройства для людей с дефектами зрения п с」у- ха 201 — 203
—часы 194—200
—читающие устройства 20, 156—161
Говорящий дверной звонок 204—206
Голосовой тракт 22, 33, 35, 73, 120
положение элементов 46, 47
электронные модели 14, 18 Голосовые связки 32, 35, 48, 217
колебания 35—36
—органы
механические 77
электрические 76
—фильтры 35—41
Гортань 31 — 34, 217
Дельта-модуляция 101—103, 143-145, 152, 217
Диалект 58, 217
общеамериканский 44
Дифтонг 45—46, 50, 108, 111,
217
Звухн
гласные 33： 46 — 47, 108, 217
мощность 54
носовые 107
согласные 48
фрикативные 33, 48, 107, 119
Звуковые эффекты 96
Зрительный нерв 24
Импульсно-кодовая модуляция 91—92
Интегратор 102 — 103
Интерфейсный преобразовав тель 188
—модуль 189
Искусственная речь 23
JlcKj^cciiieiiHWH голос 20
Ь'адр данных 110
для глухих звуков 122
для звонких звуков 122 ЛПК 116, 122 типы 122—123
Кемпелен В. 73 К/МОП-технология 164 Кодирование 218 последовательных приращений 99
Кодирование-восстановление аналоговых сигналов 87 речи 135
Компьютер «вежливый» 65 Компьютер персональный 12, 18, 22, 92, 124, 136, 155-156, 164, 168, 193 возможности памяти 83 интерфейс универсальный 180
Л ПК-синтезатор речи 178 Компьютерная речь восприятие 60 правила 60—64 синтезаторы 22 Компьютерный язык 45 Конкатенирование 147, 218 фонемы 163.
Котельников В. А. 86 Кратценштейн 73
Лазерный принтер 14 Лингвистика 42, 43—59 Линейное предиктивное кодирование 123, 218
Микропроцессор 127, 146 — 147, 180-182, 188, 218 автономный 168 встроенный 179, 183 порт ввода-вывода 153 6502 189
Микросхема для речевого синтеза 188
дельта^модуля-taaеиоема. 1М 140—141163Шдельта^модуля-taaеиоема. 1М 140—141163Шв ПЗУ 147 — 150в ПЗУ 147 — 150
дельта^модуля-
taa
еиоема. 1М 140—141
163
Ш
дельта^модуля-
taa
еиоема. 1М 140—141
163
Ш
в ПЗУ 147 — 150
в ПЗУ 147 — 150
синтезатора 163—164/79
Морфемы 50, 218
Н ейроны 25, 218
Нервная система 25
Новые приложения 21
Посовые согласные 48, 49
Обновляющий управляющий кадр 120
Обратная связь 219
слуховая 27
речевая 27
Обучающая детская игра 19
Оптическая следящая система 158
Оптическое распознавание знаков 156
—читающее устройство и синтезатор речп Т56
Основной тон голоса высота 106, 107 импульс 35, 37, 119
Относительные изменения амплитуды 97 «Отпечаток» голоса 39 Отсчетов теорема 85, 91
Параллельный порт 186
данных 138
компьютерный 167
Параметрическое кодирование речевого сигнала 130 синтез 132
Паркор-синтез 173, 175 — 177, 219
Паскаль 45
Передача данных, скорость 132, 176
ПЗУ на кристалле 176
Полугласные звуки 48
Портативная система для ана-л лиза и синтеза 189—192
Предик торные коэффициенты 124
Преобразования текста в речь, алгоритм 170
Преобразователь аналого-цифровой 90, 91, 116 — цифро-аналоговый 119 Программные средства 133, 137, 168
Программы на ассемблере 95— 96
Промежуточные звуки 54, 219 согласные 48, 49
Резонансная теория слуха 29
Резонансы со свистом и шипением 41—42》49
Резонатор 36—37, 219 Рецепторпые клетки 25 Риш Р. 77, 78 Роботы 12
Речевые данные в компактной форА1е 137
Речь восстановление 80—82, 84— 85 выборки 116 генератор 180—181, 182— 184
генератор-преобразователь «речь — ЛПК-код» 189 — 191
звуки, частота пояплепия 53 запоминание п хранение 83 — 84, 138
искусственная 23 кодированная 116 линейное предиктивное кодирование 176 механизм вывода речи
Л ПК-геЕ1ерация 188
у человека 30—35 модуль 167
прямое кодирование-восстановление 87—103
общеамерикансюш диалект 46
распозиавание 68,. 135,. 155, 156
расход памяти 138 скорость 158 спектральный «©став 116 терминал 130—132.
физиологический процесс 23 фонетический синтез 83
Сигнал П1)едуиреда1ггсльаый 63 — посторонний 91 Синтез речи аналоговый, формантных частот 104—11-5
Л ПК 115-126 на основе функций Уолша 126
непосредственное кодирование-восстановление 87- 103
основные методы 80—81 специфический процесс кодирования 135
тахометр 81—83 фонетически!! 80 ①урье 126
Синтезатор речи автономны!! 167 аллофонный ИЗ, 114 аналоговый формантный 156, 157
артикуляции упражиеыия 55-57
в виде микросхемы 163 интерфейс 139 завтрашнего дня 126 Л ПК 80, 178
на осново цифрового моделирования голосового тракта 173—180
оптическое читающее устройство 156
преобразующий текст в речь 160
с прямым кодированием-вос- становлениеьг 136
с фонемным возбуждением 17—18, 103, 108-113
Синтезированная речь. 13- выпускаемые усгрвЕе^на 127 коммерческие- иршюшеямя 213-215*
определит]® 84—86
ио методу
циц, 13& применчиия простейшая! Словарь 138, автошшн 崎 встроенный заказно!! 125 запнсанный
176
предварительно наговоренный 125
стандартный 184
Слух 28 — 30 субъективная оценка слушателя 55
Слуховая обратная связь 26
Спектрограмма 39—41, 220
Стираемое ППЗУ 165
Структура предложения 59
Текст в речь, преобразователь 115, 178, 187—188 программа грамматического разбора 178
Телефонная теория слуха 29 Теория моста 29—30
234
235
Терминал компьютера 130— 133
ТТЛ-вентилп 134
Улитка (апат.) 29, 220
Устное общение 13
Ухо 26—29
Фильтр Ь(
голосовые 35—4/
ннжних частот 0)4 — 93
полосовые 17
управляемые наиря?кенн- см 40
Фоцемы 17—18, 44—46, 47, 49, 54—56, 105, 220 «нсстатические» 111 основные 56 «статические» 49, 111 управляющая таблица Ill (Фонология 43
Форманта 220
в спектре речи 38 частоты 17 — 18, 37, 41, 73, 104 — 105
Формантный синтезатор 106— 115 аналоговый 80
Фортран 45
Фрикативные звуки 27, 33, 41, 74
—фонемы 48, 49
Фурье-синтез 126, 221
Цифровое моделирование голосового тракта 15, 19
Цифровой процессор речи 117
Частичная автокорреляция (парко р) 18
Хранение в памяти,временное 64, 168
ОГЛАВЛЕНИЕ
Предисловие редактора перевода .. Вступление
Глава Глава Глава Глава
Глава Глава Глава Глава
1.
2.
3.
4.
Основы компьютерного синтеза речи Как мы говорим? Немного о лингвистике ......
Этика ((поведения»
компьютера — синтезатора
Словарь терпинов
Приложение ..
речи
Немного истории ..
Современные методы синтеза речи , Серийные системы синтеза речи ., Применения компьютерной речи ..
Литература .... Предметпо-|]менпой
указатель
5 8 22343
020736202
678291233
112 2 2 2
В СЕРИИ «В МИРЕ НАУКИ И ТЕХНИКИ»
Л?“он Кентер
КОМПЬЮТЕРЫ - СИНТЕЗАТОРЫ РЕСШ
Научный редактор А. II. Кондрашова
Мл. редактор И. Б. Ильченко
Художник С- А- Бычков
Художественный редактор II. М. Иванов
Тсллическлй редактор Л, В. РыОазк。
Корректор В. II. Постнова
НЕ А： 530 1
Сдано в набор 25.03.85. Подписано к печати 22.1 0-85.
Формат 84х 1081/;12. Бумага типографская № 1. Иечатг. высокая.
Гарнитура обыкновенная. Объем 3,7 5 бум. л. Усл. цеч. .и. )2,6， Усл. кр.-отт. 1 2,92. Уч.-изд. л. 11,80. Изд. № 9/3801 Тираж 80000 зкз. Заказ Л'1 98 9. Цена 65 коп.
ИЗДАТЕЛЬСТВО «МНР»
129820, ГСП, Москва，11-110, 1-ii Ршнснии пер., 2
Орлена ОнтябрьсЕой Роволюцпи и ордена Трудового lipaciioro Зв/；см1 МП О〈die 卩 вп“ Образцовая тшюгрс^чгяо “менп А. А. Жданова Сиюзнолиграфпром;.! при Государстнемном комитете СССР ьо ;：.елам и；!дат(；/1 ьств, полиграфии и ыш?кпо1! торгои/:н.
113П34, Моснпа, Валовая, 2台
В 1985 ГОДУ ИЗДАТЕЛЬСТВО《АШР» ВЫПУ-СТИЛО КНИГУ
А. Эндрю «Искусствсниый интеллект».Перевод с английского.
Книга известного английского ученого, спецпалнста в области кибернетики Алекса Элдрю * “окугнр"。％ форме рассказывает о поискам и достижениях исследователей, работающих на одном из передовых р5гбе;кен сов])емешюй науки —
в обшш
П чпта1 ми с<
口 схгзп СТ НР н IIC Г d If пт АЛЛРКТЙ
65 коп.
Джон П. Кейтер закончил электротехнический факультет Техасского технического университета, после чего в Тринити-университете
i(шт. Техас) получил степень
магистра в области наун управления производством. В на-
一CTORiijeie врелЛ я； Д ж .лКейтер
возглавляет сектор разра-
，.‘ботки'^интеллентуальных» ；.
систем Юго-Западного ис-
■ следовательского института
* * : в Сан-Антонио. Он занимается разработкой цифровых интерфейсных систем, а в по:следнее время специ
ализируется по цифровым
…；методам синтеза речи и их
приложений. Участвовал в научных конференциях, проводившихся во время Ярма
рок компьютеров (1980 и 1981 гг.).