A Self-learning Speech Synthesis System

We describe a self-organising pseudo-articulatory speech production model (SPM), and present recent results when training the system on an X-ray mi-crobeam database. The SPM extracts statistics describing articulator positions and curvatures during the production of continuous speech, then applies an explicit co-articulation model to generate synthetic articulator trajectories corresponding to time-aligned phonemic strings. A set of artiicial neural networks estimates parameterised speech vectors from the synthetic articulator traces. We present an analysis of the articulatory information in the X-ray microbeam database used, and demonstrate the improvements in articulatory and acoustic modelling accuracy obtained using our co-articulation system. Nous d ecrivons un mod ele auto-organisatif pseudo-articulatoire de la production de la parole (SPM), et pr esentons des r esultats obtenus sur une base de donn ees contenant de micro-faisceaux de rayons X. Le SPM extrait des statistiques d ecrivant les positions et courbures des articulateurs lors de la production de la parole continue, puis met en application un mod ele explicite de la co-articulation pour g en erer des trajectoires articulatoires synth etiques qui s'accordent avec une s equence de phon emes align e dans le temps. Un ensemble de r eseaux neuromim etiques estime les vecteurs param etriques de la parole en fonction des traces synth etiques artic-ulatoires. Nous pr esentons une analyse du contenu informationnel de la base de donn ees utilis ee, et montrons l'am elioration des mod eles articulatoires et acoustiques obtenu en utilisant notre syst eme co-articulatoire.