SlideShare une entreprise Scribd logo
Synthèse vocale.
La synthèse vocale est une technique informatique de synthèse sonore qui
permet de créer de la parole artificielle à partir de n'importe quel
texte. Pour obtenir ce résultat, elle s'appuie à la fois sur des
techniques de traitement linguistique, notamment pour transformer le
texte orthographique en une version phonétique prononçable sans
ambiguïté, et sur des techniques de traitement du signal pour transformer
cette version phonétique en son numérisé écoutable sur un haut parleur.
Il s'agit, comme la reconnaissance vocale, d'une technologie permettant
de construire des interfaces vocales. Parmi les applications, on peut
citer la vocalisation d'écrans informatiques pour les personnes aveugles
ou fortement malvoyantes1 (lecteur d'écran), ainsi que de nombreuses
applications de serveurs vocaux téléphoniques, comme les annuaires vocaux
de grande taille, où la synthèse vocale est la seule technique viable
pour permettre la restitution sonore des noms et des adresses des
abonnés.
Synthèse vocale en ligne,Synthèse vocale français,synthétiseur vocal
robot,voix de robot,Convertir la voix en texte,synthèse vocale en ligne
mp3,narrateur de texte en ligne,synthèse vocale google,simulateur de voix
en ligne
(Google Chrome,Firefox,Bing,Opera,Safari,ios,android)créateur de voix et
de solutions vocales,Saisie de texte à la voix sur votre
ordinateur,téléphone et votre tablette.
Générateur de synthèse vocale d'un texte ...SYNTHÉTISEUR VOCAL EN LIGNE
http://texttospeechrobot.com/tts/fr/synthese-vocale-en-ligne/
Historique
Trois vignettes verticales en noir et blanc
Dessin du synthétiseur vocal de Von Kempelen (1791).
Plusieurs générations de techniques ont été proposées pour la tâche de
synthèse vocale.
La toute première reposait sur une sorte d'instrument à vent
conceptualisé par le baron Von Kempelen en 1791. Cet instrument était
constitué de divers étages destinés à reproduire des organes humains
entrant en jeu dans la production sonore. Cette machine a été l'objet de
nombreuses répliques et adaptations2. Le résultat était très
approximatif.
La seconde génération, populaire entre 1965 et 1985, est appelée synthèse
vocale par règles ou synthèse vocale par formants. Elle est basée sur la
modélisation paramétrique du spectre sonore de la parole, notamment à
partir de ses formants mesurés en Hz. Des règles servent à décrire
l'évolution temporelle des formants et des paramètres associés, ce qui
permet de générer un spectre sonore artificiel à partir duquel on obtient
le signal acoustique de synthèse. Cette technique, qui est entièrement
synthétique, était compatible avec la mémoire informatique limitée
disponible à cette époque.
Une troisième génération de techniques, semi-synthétiques, a ensuite été
développée dès lors qu'on pouvait stocker de façon permanente dans une
mémoire informatique des durées suffisantes de parole naturelle. Les
techniques ont alors consisté à assembler (à « concaténer ») des petits
segments élémentaires de parole naturelle pour constituer n'importe quel
énoncé synthétique souhaité.
La première technique de cette génération est la synthèse vocale par
diphones. Les sons synthétisés sont en fait des segments d'enregistrement
de parole artificiellement attachés les uns à la suite des autres. Cette
technique peut être produite pour le français à partir d'une base de 1
200 diphones, ce qui nécessite de stocker en tout quelque 120 secondes de
parole, soit environ 2 mégaoctets de son numérisé. La parole synthétisée
semble plus naturelle que celle produite par règles, mais des problèmes
persistent lorsque la longueur de phonème, l'intonation et l'accent
tonique sont pris en compte. Pour remédier à ces problèmes, il est
possible d'augmenter la quantité d'extraits sonores à utiliser pour la
concaténation. Plusieurs extraits pour un même diphone peuvent être
utilisés dans un même contexte, et plusieurs types de contextes
(intonation, accent, type de phrase) peuvent avoir chacun leurs diphones.
On parle alors de synthèse par sélection de diphones ou sélection
d'unités (Unit Selection). Ceux-ci sont ensuite utilisés lors de la
synthèse vocale de façon à réduire les mauvaises transitions. Cette
amélioration peut demander des bases de données de diphones de plusieurs
mégaoctets, voire de plusieurs gigaoctets.
Techniques
Transcription phonétiqu
Fichier audio
Exemple de synthèse vocale
Des difficultés à utiliser ces médias ?Des difficultés à utiliser ces
médias ?
modifier Consultez la documentation du modèle
La première opération à réaliser par un logiciel de synthèse vocale est
de transcrire le texte, généralement écrit sous une forme orthographique,
en une séquence de phonèmes, qui représentent exactement les sons qui
doivent être prononcés. La technique classique pour réaliser la
transcription phonétique est d'appliquer à la suite de lettres composant
le texte une série de règles de réécritures dépendant du contexte. En
français, mais encore plus en anglais, il est aussi nécessaire de
connaître la catégorie grammaticale de certains mots : par exemple dans
la phrase « les présidents président » la catégorie grammaticale du mot «
président » détermine sa voyelle finale (« e » muet ou le digramme « en
»). Enfin pour les mots dont la prononciation n'est pas régulière, et
notamment pour les noms propres, on stocke tout simplement leur
transcription phonétique dans un lexique d'exception.
Formants
La synthèse par formants repose typiquement sur la description des trois
premiers formants du spectre de la parole. Chaque formant (maximum du
spectre de parole) est classiquement décrit par trois paramètres, sa
fréquence (en Hz), son amplitude (en dB) et sa bande passante (en Hz).
L'amplitude représente l'intensité du signal à la fréquence du formant
tandis que la bande passante représente la largeur du spectre autour du
maximum formantique.
Intonation et prosodie[modifier
L'intonation constitue l'un des trois éléments de la prosodie, les deux
autres paramètres prosodiques étant le rythme et l'intensité. En fait,
pour être perçue comme naturelle, la synthèse vocale nécessite d'imiter
une prosodie naturelle dans son ensemble. Ceci nécessite de reproduire
aussi un rythme naturel, c'est-à-dire une durée naturelle des sons
élémentaires (phonèmes). Quant à l'intensité, qui correspond aussi au
volume sonore, elle est beaucoup moins critique que l'intonation ou le
rythme pour obtenir un rendu naturel.
On entend par intonation d'une phrase le parcours mélodique de la voix
pendant la prononciation de la phrase. L'intonation se mesure par la
fréquence fondamentale de la voix. C'est une fréquence variable au cours
du temps correspondant à la fréquence de vibration des cordes vocales
pendant l'énonciation de la phrase, et qui s'observe aisément comme la
périodicité du signal vocal. Typiquement la fréquence fondamentale d'une
voix masculine possède une plage de variation dans la zone des 80 Hz à
150 Hz tandis que celle d'une voix féminine se situera plutôt dans la
zone des 140 Hz à 200 Hz.
L'intonation est une caractéristique importante de la voix naturelle, qui
dépend également très fortement de la langue concernée et du contenu
linguistique de la phrase. Pour les langues à tons comme le chinois
mandarin ou cantonais, l'intonation conditionne même le sens des mots. En
français, plus simplement, elle est une caractéristique reliée au type de
phrase (affirmative, impérative, interrogative) et à la position des mots
dans la phrase (intonation descendante en fin de phrase), et parfois
reliée à la mise en valeur de certains mots (emphase). En tout cas, pour
donner une impression de voix naturelle, la voix synthétique doit
s'efforcer d'imiter l'intonation naturelle, et, à l'inverse, un énoncé
synthétisé sans intonation est perçu comme anormal ; à la limite une voix
synthétisée avec une fréquence fondamentale absolument constante, est
perçue comme totalement artificielle (« voix de robot »).Le meilleur
service gratuit, basé sur le Web pour convertir un texte en voix.
TTS voix robot en ligne lit un texte avec des voix naturelles,dans une
variété de langues.
Transformer le texte à la parole compréhensibles ,illimité.
Entièrement gratuit,Aucune installation et Aucun Enregistrement requis
pour l'utilisation.
http://texttospeechrobot.com/
Synthese vocale

Contenu connexe

Similaire à Synthese vocale (7)

Les paramètres prosodiques en phonétique du fle
Les paramètres prosodiques en phonétique du fleLes paramètres prosodiques en phonétique du fle
Les paramètres prosodiques en phonétique du fle
 
Enseigner la dans un milieu scolaire international.pptx
Enseigner la dans un milieu scolaire international.pptxEnseigner la dans un milieu scolaire international.pptx
Enseigner la dans un milieu scolaire international.pptx
 
Jep 2012 Swahili
Jep 2012 SwahiliJep 2012 Swahili
Jep 2012 Swahili
 
Voice'
Voice'Voice'
Voice'
 
6. Présentation de la méthode verbo-tonale d'intégration phonétique
6.  Présentation de la méthode verbo-tonale d'intégration phonétique6.  Présentation de la méthode verbo-tonale d'intégration phonétique
6. Présentation de la méthode verbo-tonale d'intégration phonétique
 
The Influence of Frequency on Word Initial Obstruent acquisition in Hexagonal...
The Influence of Frequency on Word Initial Obstruent acquisition in Hexagonal...The Influence of Frequency on Word Initial Obstruent acquisition in Hexagonal...
The Influence of Frequency on Word Initial Obstruent acquisition in Hexagonal...
 
Jep 2012 wrkshp
Jep 2012 wrkshpJep 2012 wrkshp
Jep 2012 wrkshp
 

Synthese vocale

  • 1. Synthèse vocale. La synthèse vocale est une technique informatique de synthèse sonore qui permet de créer de la parole artificielle à partir de n'importe quel texte. Pour obtenir ce résultat, elle s'appuie à la fois sur des techniques de traitement linguistique, notamment pour transformer le texte orthographique en une version phonétique prononçable sans ambiguïté, et sur des techniques de traitement du signal pour transformer cette version phonétique en son numérisé écoutable sur un haut parleur. Il s'agit, comme la reconnaissance vocale, d'une technologie permettant de construire des interfaces vocales. Parmi les applications, on peut citer la vocalisation d'écrans informatiques pour les personnes aveugles ou fortement malvoyantes1 (lecteur d'écran), ainsi que de nombreuses applications de serveurs vocaux téléphoniques, comme les annuaires vocaux de grande taille, où la synthèse vocale est la seule technique viable pour permettre la restitution sonore des noms et des adresses des abonnés. Synthèse vocale en ligne,Synthèse vocale français,synthétiseur vocal robot,voix de robot,Convertir la voix en texte,synthèse vocale en ligne mp3,narrateur de texte en ligne,synthèse vocale google,simulateur de voix en ligne (Google Chrome,Firefox,Bing,Opera,Safari,ios,android)créateur de voix et de solutions vocales,Saisie de texte à la voix sur votre ordinateur,téléphone et votre tablette. Générateur de synthèse vocale d'un texte ...SYNTHÉTISEUR VOCAL EN LIGNE http://texttospeechrobot.com/tts/fr/synthese-vocale-en-ligne/ Historique Trois vignettes verticales en noir et blanc Dessin du synthétiseur vocal de Von Kempelen (1791). Plusieurs générations de techniques ont été proposées pour la tâche de synthèse vocale. La toute première reposait sur une sorte d'instrument à vent conceptualisé par le baron Von Kempelen en 1791. Cet instrument était constitué de divers étages destinés à reproduire des organes humains entrant en jeu dans la production sonore. Cette machine a été l'objet de nombreuses répliques et adaptations2. Le résultat était très approximatif. La seconde génération, populaire entre 1965 et 1985, est appelée synthèse vocale par règles ou synthèse vocale par formants. Elle est basée sur la modélisation paramétrique du spectre sonore de la parole, notamment à partir de ses formants mesurés en Hz. Des règles servent à décrire l'évolution temporelle des formants et des paramètres associés, ce qui permet de générer un spectre sonore artificiel à partir duquel on obtient le signal acoustique de synthèse. Cette technique, qui est entièrement synthétique, était compatible avec la mémoire informatique limitée disponible à cette époque. Une troisième génération de techniques, semi-synthétiques, a ensuite été développée dès lors qu'on pouvait stocker de façon permanente dans une mémoire informatique des durées suffisantes de parole naturelle. Les
  • 2. techniques ont alors consisté à assembler (à « concaténer ») des petits segments élémentaires de parole naturelle pour constituer n'importe quel énoncé synthétique souhaité. La première technique de cette génération est la synthèse vocale par diphones. Les sons synthétisés sont en fait des segments d'enregistrement de parole artificiellement attachés les uns à la suite des autres. Cette technique peut être produite pour le français à partir d'une base de 1 200 diphones, ce qui nécessite de stocker en tout quelque 120 secondes de parole, soit environ 2 mégaoctets de son numérisé. La parole synthétisée semble plus naturelle que celle produite par règles, mais des problèmes persistent lorsque la longueur de phonème, l'intonation et l'accent tonique sont pris en compte. Pour remédier à ces problèmes, il est possible d'augmenter la quantité d'extraits sonores à utiliser pour la concaténation. Plusieurs extraits pour un même diphone peuvent être utilisés dans un même contexte, et plusieurs types de contextes (intonation, accent, type de phrase) peuvent avoir chacun leurs diphones. On parle alors de synthèse par sélection de diphones ou sélection d'unités (Unit Selection). Ceux-ci sont ensuite utilisés lors de la synthèse vocale de façon à réduire les mauvaises transitions. Cette amélioration peut demander des bases de données de diphones de plusieurs mégaoctets, voire de plusieurs gigaoctets. Techniques Transcription phonétiqu Fichier audio Exemple de synthèse vocale Des difficultés à utiliser ces médias ?Des difficultés à utiliser ces médias ? modifier Consultez la documentation du modèle La première opération à réaliser par un logiciel de synthèse vocale est de transcrire le texte, généralement écrit sous une forme orthographique, en une séquence de phonèmes, qui représentent exactement les sons qui doivent être prononcés. La technique classique pour réaliser la transcription phonétique est d'appliquer à la suite de lettres composant le texte une série de règles de réécritures dépendant du contexte. En français, mais encore plus en anglais, il est aussi nécessaire de connaître la catégorie grammaticale de certains mots : par exemple dans la phrase « les présidents président » la catégorie grammaticale du mot « président » détermine sa voyelle finale (« e » muet ou le digramme « en »). Enfin pour les mots dont la prononciation n'est pas régulière, et notamment pour les noms propres, on stocke tout simplement leur transcription phonétique dans un lexique d'exception. Formants La synthèse par formants repose typiquement sur la description des trois premiers formants du spectre de la parole. Chaque formant (maximum du spectre de parole) est classiquement décrit par trois paramètres, sa fréquence (en Hz), son amplitude (en dB) et sa bande passante (en Hz). L'amplitude représente l'intensité du signal à la fréquence du formant tandis que la bande passante représente la largeur du spectre autour du maximum formantique. Intonation et prosodie[modifier L'intonation constitue l'un des trois éléments de la prosodie, les deux autres paramètres prosodiques étant le rythme et l'intensité. En fait, pour être perçue comme naturelle, la synthèse vocale nécessite d'imiter une prosodie naturelle dans son ensemble. Ceci nécessite de reproduire aussi un rythme naturel, c'est-à-dire une durée naturelle des sons
  • 3. élémentaires (phonèmes). Quant à l'intensité, qui correspond aussi au volume sonore, elle est beaucoup moins critique que l'intonation ou le rythme pour obtenir un rendu naturel. On entend par intonation d'une phrase le parcours mélodique de la voix pendant la prononciation de la phrase. L'intonation se mesure par la fréquence fondamentale de la voix. C'est une fréquence variable au cours du temps correspondant à la fréquence de vibration des cordes vocales pendant l'énonciation de la phrase, et qui s'observe aisément comme la périodicité du signal vocal. Typiquement la fréquence fondamentale d'une voix masculine possède une plage de variation dans la zone des 80 Hz à 150 Hz tandis que celle d'une voix féminine se situera plutôt dans la zone des 140 Hz à 200 Hz. L'intonation est une caractéristique importante de la voix naturelle, qui dépend également très fortement de la langue concernée et du contenu linguistique de la phrase. Pour les langues à tons comme le chinois mandarin ou cantonais, l'intonation conditionne même le sens des mots. En français, plus simplement, elle est une caractéristique reliée au type de phrase (affirmative, impérative, interrogative) et à la position des mots dans la phrase (intonation descendante en fin de phrase), et parfois reliée à la mise en valeur de certains mots (emphase). En tout cas, pour donner une impression de voix naturelle, la voix synthétique doit s'efforcer d'imiter l'intonation naturelle, et, à l'inverse, un énoncé synthétisé sans intonation est perçu comme anormal ; à la limite une voix synthétisée avec une fréquence fondamentale absolument constante, est perçue comme totalement artificielle (« voix de robot »).Le meilleur service gratuit, basé sur le Web pour convertir un texte en voix. TTS voix robot en ligne lit un texte avec des voix naturelles,dans une variété de langues. Transformer le texte à la parole compréhensibles ,illimité. Entièrement gratuit,Aucune installation et Aucun Enregistrement requis pour l'utilisation. http://texttospeechrobot.com/