Schnell gesprochene Sprache in der Unit-Selection-Sprachsynthese: Untersuchungen zu Korpuserstellung und -aufbereitung

Inhalt:
In diesem Beitrag werden Untersuchungen zur Integration eines Korpus schnell gesprochener Sprache in das Unit-Selection-Synthesesystem BOSS vorgestellt. Hierfür wurden zunächst zwei Synthesekorpora aufgenommen: eines in normalem und eines in schnellem und möglichst deutlichem Sprechtempo. Eine perzeptive Evaluation der Korpusaufnahmen zeigte, dass Stimuli, die aus schnell gesprochener Sprache generiert wurden, hinsichtlich der Verständlichkeit keinen Nachteil gegenüber Stimuli besaßen, die aus normal gesprochener Sprache generiert wurden; bezüglich der Natürlichkeit wurden sie eindeutig bevorzugt. Eine anschließende automatische Segmentierung wies nur marginale Unterschiede in der Segmentierungsgenauigkeit zwischen den beiden Korpusversionen auf. Basierend auf diesen Ergebnissen wurden für beide Korpora CART-basierte Dauervorhersagemodelle erstellt. Die Vorhersagegenauigkeit war für beide Versionen ähnlich gut.