tecnologías del habla - aholab · tic en redes móviles t hombres: glotis de mayor tamaño,...

Tecnologías del hablaTecnologías del hablaInmaculada HernaezEduardo LleidaEva NavasAlfonso Ortega

Curso 2006/2007

TIC en Redes Móviles

Programa

Introducción 1.1. Generación y percepción de la señal de vozGeneración y percepción de la señal de voz

•• ProducciónProducción• Modelos digitales• Percepción

2. Técnicas avanzadas de análisis de voz3. Codificación de voz4. Reconocimiento automático del habla5. Conversión texto-habla


1. Generación del habla

• Sistema sub-glotal: pulmones, bronquios y tráquea, son la fuente de energía

• Tracto vocal (longitud media 17cm, sección de 0 a 20 cm:

•Glotis (aloja las cuerdas vocales)•Faringe•Cavidad bucal

• Tracto nasal: velo del paladar y nariz• Voz: Onda acústica radiada cuando los

pulmones expulsan el aire y el flujo resultante es perturbado por alguna constricción en el tracto vocal.


• Sonidos sonoros: la glotis se encuentra cerradacon las cuerdas vocales tensas. El aire empuja lascuerdas vocales y las hace vibrar. • Sonidos sordos: la glotis está abierta y lascuerdas relajadas. El flujo de aire saliente de la glotis será turbulento. El aire sale

impulsado confuerza por lospulmones hacia

el exterior

El aire coge granvelocidad en la tráquea




Glotis y señal del laringógrafo


0 T 2T 3T

Glotis abierta

Glotis cerrada

t


1/F0Pitch


Ama etorri da

Bihar eguraldi ona izango dugu

Ama etorri da?

Bihar eguraldi ona izango dugu?

Curvas de entonación



Hombres: Glotis de mayor tamaño, cuerdas vocales más largas, voz más grave.Mujeres y niños: Glotis más pequeña, cuerdas vocales más cortas, voz másaguda. Pitch o frecuencia fundamental o F0: Frecuencia de vibración de las cuerdasvocales en la producción de los sonidos sonoros.





el exterior


La cavidad bucal actúa de cavidad resonante: frecuencias

de resonancia o formantes



Resonancias: Formantes



Vocales: Desde la glotis, el aire atraviesa la cavidad bucal sinobstáculos. Las vocales siempre son sonoras. Consonantes: La lengua o los labios ayudados por los dientes y por el paladar interrumpen total (oclusivas) o parcialmente(fricativas, africadas) el paso del aire.



Sonidos nasales: el velo del paladar baja y el aire se dirige hacia el exterior

atravesando la cavidad nasal. Las cavidadesnasal y bucal se acoplan acústicamente.



el exterior


La cavidad bucal actúa de cavidad resonante: frecuencias

de resonancia o formantes



Sonidos sonoros: el flujo del aire procedente de los pulmones es periódicamente interrumpido por la apertura y cierre de las cuerdas vocales. Es un flujo periódico de frecuencia fundamental F0 (frecuencia de pitch).Sonidos sordos: No hay vibración de las cuerdas vocales. El flujo de aire encuentra una constricción en el tracto vocal, tomando gran velocidad y formando turbulencias.Tracto vocal y tracto nasal: Actúan de cavidades resonantes, cuyas frecuencias de resonancia se conocen como Formantes. Los valores de los formantes dependen de la forma y dimensiones del tracto vocal. Por ello, las características espectrales de la voz varían en el tiempo como varía la forma del tracto vocal.



200Hz

i e a o u

F1

F22500Hz


Formantes de las vocales


Fonética acústica: modo de articulación

No

FricativasAproximantes

VibrantesLaterales

Sono

ridad

VocalesSiNasales

Oclusivas

Oclusivas Fricativas

Africadas

Oclusión

No Total Parcial



labiales: [p], [b], [m]

dentales: [t], [d]

alveoares: [n], [s]

palatales: [J], [L]

velares: [k], [g], [x]

Fonética acústica: lugar de articulación



Factores culturales

• Volumen de la voz• Conjunto de sonidos• Duración• Entonación• Formas de formar frases• Velocidad del habla• Vocabulario

Factores Fisiológicos

• Tracto vocal• Cuerdas vocales y• frecuencia de vibración• Forma del pulso glotal• Cansancio• Congestión nasal

Factores Ambientales

• Ruido de fondo• Factores mecánicos: vibraciones• Estado emocional • Acústica de la sala • Ambiente: calor


Variabilidad de la voz


Programa

Introducción 1.1. Generación y percepción de la señal de vozGeneración y percepción de la señal de voz

•• ProducciónProducción•• Modelos digitalesModelos digitales• Percepción

2. Técnicas avanzadas de análisis de voz3. Codificación de voz4. Reconocimiento automático del habla5. Conversión texto-habla


Pulso de Rosenberg

g(t)

G(f)

Excitación Cavidad Resonante

Radiación labios



GENERADORde PULSOS

PULSOGLOTAL

G(z)

GENERADORde RUIDO

x

x

TRACTOVOCAL

V(z)

RADIACIÓNLABIOS

R(z)F0

AV

AUCOEFICIENTES

REFLEXIÓN

s(n)

EXCITACIÓNSONORA

EXCITACIÓNSORDA

GENERADORde

EXCITACIONES

TRACTOVOCAL

H(z)

u(n)

G(z) V(z) R(z)



Modelo de fuente y tracto vocal:Separa totalmente características de fuente y de tracto vocal.Funciona mejor cuando los parámetros varían lentamente: sonidos más estacionarios.Filtro V(z) todo polos: solo tiene resonancias, no puede modelar los ceros de las nasales.Separa fuente ruidosa y sonora: no válido para todos los sonidos. Cambio brusco de una fuente a otra: no realista.



BibliografíaRabiner, L.R. Schfer, R.W (1978) Digital Processing ofSpeech Signal. Prentice-Hall Signal Processing SeriesAlan V. Oppenheim. Series Editor. 1978.RabinerFant, G. Acoustic Theory of Speech Production 2nd. Ed. 1970, Mouton, The Hague.Deller, J., Hansen, Proakis (2000) Discrete-Time Processing of Speech Signals IEEE Press.


tecnologías del habla - aholab · tic en redes móviles t hombres: glotis de mayor tamaño,...

Documents