طراحی و پیاده سازی سیستم تبدیل متن به گفتار در زبان کردی

رویه تبدیل متن به گفتار از دو بخش اصلی سطح بالا (تحلیل متن) و سطح پایین (تولید گفتار) تشکیل شده است. در قسمت سطح بالا، متن ورودی به شکلی درمی آید که در مرحله دوم قابل استفاده باشد. تا به حال روش های گوناگونی برای تولید گفتار در قسمت سطح پایین به کار رفته است که در این میان سه روش تولیدی، مبتنی بر فرمنت و اتصالی بیشترین کاربرد را داشته اند. روش مبتنی بر فرمنت بر اساس اختلاف فرمنت ها در اصوات مختلف کار کرده و در طی دهه های گذشته بیشترین استفاده را داشته است. با این وجود در سال های اخیر روش اتصالی که بر اساس اتصال واحدهای از پیش ضبط شده کار می کند، محبوبیت بیشتری یافته اند. به لحاظ نظری، دقیق ترین و کامل ترین روش برای تولید گفتار، روش تولیدی است که بر اساس مدل کردن دستگاه تولید گفتار انسان کار می کند. با این وجود به لحاظ عملی این روش هنوز دارای پیچیدگی های زیادی بوده و بنابراین زیاد مورد استفاده قرار نگرفته است. در طول دهه های اخیر و همزمان با توسعه روش های تبدیل متن به گفتار، این سیستم ها در حوزه های بیشتری کاربرد پیدا کرده اند. گفتار مصنوعی می تواند به منظور خواندن پست های الکترونیکی، کاربرد در ابزارهای چندرسانه ای و به طور خلاصه برای تعامل بین انسان و ماشین به کار رود. علاوه بر این موارد، ارزیابی کیفیت گفتار تولید شده هم یکی دیگر از پارامترهای بسیار مهم است که البته به سادگی قابل دستیابی نیست. به همین منظور بازه گسترده ای از روش های ارزیابی به وجود آمده اند که هر کدام برخی از جنبه های گفتار را مورد بررسی قرار می دهند. امروزه برای بسیاری از زبان های دنیا، سیستم های تبدیل متن به گفتار با کیفیت های مختلف به وجود آمده است. در این پایان نامه، ما سه سیستم مختلف تبدیل متن به گفتار را برای زبان کردی و بر اساس واحدهای واج گونه، هجا و دایفون طراحی و پیاده سازی کرده ایم. در هر سه این سیستم ها از روش اتصالی برای تولید گفتار استفاده شده است. شرح مختصری از هر کدام از این سیستم ها و واحدهایشان به همراه ویژگی های خاص زبان کردی بیان شده است. همچنین نحوه تولید اطلاعات نوایی و راهکارهایی برای افزایش میزان طبیعی بودن گفتار تولید شده ارائه شده است. در نهایت هم چالش های موجود و کارهایی که در آینده می تواند در راستای تکمیل این پایان نامه انجام گیرد مورد بررسی قرار گرفته اند.