匆匆读完第三章《The text-to-speech Problem》,下面是基本内容笔记。

语音与写作

• 语音和写作这二者都是一种可以解码语言消息的信号
• 他们主要的区别是写作主要被用来记录消息，它比语音更贴近消息本身。
• 大多数的写作是被用来默读，如果它被大声读出来，可能会带来困难。
• 不是所有的写作用来解码语言信息，他也可以解码其他符号系统，比如数学符号。

大声朗读

• 很大程度来说，大声将文字内容朗读出来，就是一个这样的过程：即先将书面信号解码为抽象的消息，然后再重新编码为语音信号。

• 在很多情况下，韵律信息是不需要的。但是其他更复杂的方法中，生成韵律信息将使得消息的解码更为准确。

• 在普通形式的框架之下，我们的TTS系统有两个基本模块：

  • 文本分析：一个从文本信息找到信息的解码过程。
  • 语音合成：一个从信息创造信号的编码过程。

Text-to-Speech 的关键挑战

• 任何一个TTS系统都需要面对如下四个挑战：

  1. 文本的符号分类。
  2. 自然语言文本的解码
  3. 生成自然地，听起来像人类的语音。
  4. 生成易于理解的语音。

• 还有目前，以及将来将会出现的两大挑战：

  1. 生成情感的增强的韵律。
  2. 将听者的处境和需求考虑在内的说话方式。