การสร้างแบบจำลองการรับรู้ความเป็นธรรมชาติของเสียงวรรณยุกต์ด้วยแบบจำลองเรขาคณิต

Abstract

ความเป็นธรรมชาติของเสียงสังเคราะห์ (Text-to-Speech System) นั้นเป็นประเด็นที่สำคัญในระบบสังเคราะห์เสียง ในการรองรับโครงร่างความถี่มูลฐาน (Fundamental Frequency Contour) ของเสียงสังเคราะห์ของพยางค์ใดๆ อย่างไม่มีกฎเกณฑ์ที่ถูกกำหนดขึ้นนั้น ระบบสังเคราะห์เสียงยังต้องสามารถคงไว้ซึ่งความเป็นธรรมชาติของเสียงสังเคราะห์ได้ วิทยานิพนธ์นี้จึงเสนอการประเมินความเป็นธรรมชาติแบบอัตโนมัติของโครงร่างความถี่มูลฐาน เพื่อพิจารณาระดับของความเป็นธรรมชาติของเสียงสังเคราะห์ของพยางค์เมื่อถูกรับรู้จากผู้ฟัง ด้วยแบบจำลองการทำนายความเป็นธรรมชาติ โดยอาศัยจุดกึ่งกลาง (Midpoint) และจุดปลาย (Endpoint) ของเส้นความถี่มูลฐานในช่วงของหน่วยตามพยางค์ (Rhyme) ที่ได้จากการวิเคราะห์ผลการทดลองการรับรู้เสียงวรรณยุกต์ในผู้ฟัง ซึ่งแบบจำลองนี้ได้ถูกใช้เพื่อการพัฒนาอัลกอรึทึมในการทำนายความเป็นธรรมชาติของเสียงวรรณยุกต์จากเส้นความถี่มูลฐานโดยใช้แบบจำลองเรขาคณิต (Geometric Model) ในการประเมินผลของอัลกอรึทึมในการทำนายความเป็นธรรมชาติของเสียงวรรณยุกต์ ได้ใช้ผู้ฟังรับรู้และประเมินความเป็นธรรมชาติของพยางค์จากเส้นความถี่มูลฐาน 45 รูปแบบ ซึ่งแต่ละรูปแบบ จะถูกผู้ฟังประเมินซ้ำกัน 2 ครั้ง ซึ่งอัลกอริทึมที่ได้นำเสนอนั้นมีอัตราความสอดคล้องประมาณ 80% เมื่อเทียบกับการตัดสินถึงความเป็นธรรมชาติของเสียงวรรณยุกต์ในพยางค์ของผู้ฟัง