Building of a speech corpus optimised for unit selection TTS synthesis

Abstract

Článek se zabývá procesem návrhu foneticky a prozodicky bohatého řečového korpusu, použitelného v syntéze řeči z textu technikou dynamického výběru jednotek. Pozornost je především věnována fázi nahrávání a kontroly, kdy k zajištění co nejvyšší kvality a konzistence nahrávek byla vyvinuta a použita speciální aplikace, obsahující v sobě manažera nahrávacích sezeni a systém "zásuvného" řetězu modulů pro kontrolu nahrávek. Dále jsou v článku zmíněny fáze sběru textu a výběru jak foneticky tak prosodicky vyvážených vět k nahrávání, a anotace nahrávek na fonetické a ortografické úrovni.