| 摘要 |
<p>본 발명은 전자공학의 음성 합성 분야에서 씨에스에스(CSS: Corpus based Speech Synthesis, 다른 표현으로는 학습형 합성(Trainable Text-to-Speech), 히든마코프 모델 기반 합성(HMM(Hidden Markov Model)-based Synthesis)이라고도 함.) 방식의 단점인 합성 데이터베이스(database)의 크기에 대한 제약을 최소화하여 확장성을 용이하게 하고, 합성장치에 입력되는 문장을 온라인으로 학습하여 적용분야에 따른 사용어휘영역의 변화에 의한 합성음질 저하를 줄이기 위한 방법이다. 본 발명에서는 합성장치에 필요한 합성 데이터베이스를 합성단위 후보의 적합성과 사용빈도수 및 사용날짜에 의한 우선순위에 따라 메인(main) 및 보조 데이터베이스로 구분하고, 실제 합성 시에는 우선순위가 높으면서도 소용량인 메인 데이터베이스를 사용하도록 한다. 또한, 온라인으로 입력문장을 학습하여 보조 데이터베이스로부터 사용 어휘영역에 항상 최적화된 메인 데이터베이스를 유지할 수 있도록 함으로써 보다 자연스런 합성음을 생성할 수 있다. 본 발명은 차량 항법장치, 콜센터(Call center), 유엠에스(UMS: Unified Messaging System) 등에 사용되는 음성합성장치에 적용하여 고품질의 합성음을 생성할 수 있는 방법이다.</p> |
