Soutenance de thèse ; Optimisation de script pour la conception de corpus vocaux de TTS dans la génération de livres audio

Doctorant: Meysam Shamsi
Date: 16/10/2020
Heure: 14h00
Lieu: IC2, Salle des conseils
Directeur de thèse: Damien Lolive (Maître de conférence, ENSSAT)
 

M. Meysam SHAMSI soutiendra sa thèse de doctorat en informatique réalisée à l’ENSSAT sous la direction de Damien Lolive (Maître de conférence, HDR – directeur de thèse).

 
Résumé:

L’objectif de cette thèse est la génération d’un livre audio expressif, vocalisé à l’aide de signaux de parole synthétiques et naturels, avec une haute qualité et un coût d’enregistrement minimal.

La stratégie consiste à sélectionner une partie du livre dont les signaux enregistrés issus de sa lecture forment une voix. Cette voix est utilisée pour vocaliser le reste du livre à l’aide d’un système de synthèse de parole. Plusieurs stratégies sont proposées successivement : une stratégie a posteriori reposant sur des techniques de réduction de corpus, l’utilisation d’un auto-encodeur basé sur un réseau neuronal (CNN) se concentrant sur les informations linguistiques, et enfin la sélection des phrases les plus courtes. Ces différentes approches sont évaluées de manière objective et subjective.

Enfin, la qualité d’un livre audio mixant signaux de parole naturels et synthétiques est étudiée. Les évaluations montrent que le mélange de signaux synthétiques et naturels est préférable à une vocalisation entièrement synthétique à l’aide d’un système TTS par sélection d’unités. Ce résultat est contraire à ce qui a été rapporté dans la littérature.

Mots clés: sélection de script, génération de livres audio expressifs, réduction de voix, évaluation de la qualité de voix de synthèse, systèmes de synthèse de parole hybride, plongements linguistiques et acoustiques