Síntesis articulatoria

La síntesis articulatoria se refiere a las técnicas computacionales para sintetizar el habla a partir de modelos del tracto vocal humano y los procesos de articulación que allí ocurren. La forma del tracto vocal se puede controlar de diversas maneras, lo que generalmente implica modificar la posición de los órganos articulatorios del habla, como la lengua , la mandíbula y los labios. El habla se crea simulando digitalmente el flujo de aire a través de la representación del tracto vocal.

Hay una larga historia de intentos de construir " cabezas parlantes " mecánicas. ^{[ 2 ]} Se dice que Gerbert (m. 1003), Alberto Magno (1198–1280) y Roger Bacon (1214–1294) construyeron cabezas parlantes ( Wheatstone 1837). Sin embargo, la síntesis de voz históricamente confirmada comienza con Wolfgang von Kempelen (1734–1804), quien publicó un relato de su investigación en 1791 (véase también Dudley y Tarnoczy 1950 ).

Los primeros análogos eléctricos del tracto vocal eran estáticos, como los de Dunn (1950), Ken Stevens y colegas (1953), Gunnar Fant (1960). Rosen (1958) construyó un tracto vocal dinámico (DAVO), que Dennis (1963) intentó controlar posteriormente mediante ordenador. Dennis et al. (1964), Hiki et al. (1968) y Baxter y Strong (1969) también han descrito análogos de hardware del tracto vocal. Kelly y Lochbaum (1962) realizaron la primera simulación por ordenador; posteriormente se han realizado simulaciones digitales por ordenador, por ejemplo, por Nakata y Mitsuoka (1965), Matsui (1968) y Paul Mermelstein (1971). Honda et al. (1968) han realizado una simulación analógica por ordenador .

El primer sintetizador articulatorio de software utilizado regularmente en experimentos de laboratorio fue desarrollado en los Laboratorios Haskins a mediados de la década de 1970 por Philip Rubin , Tom Baer y Paul Mermelstein. Este sintetizador, conocido como ASY, ^{[ 3 ]} era un modelo computacional de producción del habla basado en modelos del tracto vocal desarrollados en los Laboratorios Bell en las décadas de 1960 y 1970 por Paul Mermelstein, Cecil Coker y sus colegas. Otro modelo popular que se ha utilizado con frecuencia es el de Shinji Maeda, que utiliza un enfoque basado en factores para controlar la forma de la lengua .

Los recientes avances en la obtención de imágenes de la producción del habla, el modelado del control articulatorio y el modelado de la biomecánica de la lengua han dado lugar a cambios en la forma en que se realiza la síntesis articulatoria.. Algunos ejemplos incluyen el modelo CASY (Síntesis Articulatoria Configurable) de Haskins, ^{[ 4 ]} diseñado por Philip Rubin , Mark TiedeArchivado el 1 de septiembre de 2006 en Wayback Machine y Louis Goldstein., que compara los tractos vocales mediosagitales con datos reales de imágenes de resonancia magnética (IRM), y utiliza datos de IRM para construir un modelo 3D del tracto vocal. Olov Engwall ha descrito un modelo completo de síntesis articulatoria 3D. Peter Birkholz (VocalTractLab ^{[ 5 ]} ) ha desarrollado un sintetizador de voz articulatorio 3D basado en geometría. El modelo Directions Into Velocities of Articulators (DIVA) , un enfoque de control de alimentación directa que toma en consideración los cálculos neuronales subyacentes a la producción del habla, fue desarrollado por Frank H. Guenther en la Universidad de Boston . El proyecto ArtiSynth, ^{[ 6 ]} dirigido por Sidney Felsen la Universidad de Columbia Británica , es un conjunto de herramientas de modelado biomecánico 3D para el tracto vocal humano y las vías respiratorias superiores. El modelado biomecánico de articuladores como la lengua ha sido impulsado por varios científicos, incluido Reiner Wilhelms-Tricarico.Yohan Payany Jean-Michel Gerard, Jianwu Dang y Kiyoshi Honda.

Uno de los pocos sistemas comerciales de síntesis de voz articulatoria es el sistema basado en NeXT , desarrollado y comercializado originalmente por Trillium Sound Research, una empresa derivada de la Universidad de Calgary , donde se llevó a cabo gran parte de la investigación original. Tras la desaparición de las diversas versiones de NeXT (fundada por Steve Jobs a finales de la década de 1980 y fusionada con Apple Computer en 1997), el software de Trillium se publicó bajo la Licencia Pública General GNU , y el trabajo continuó como gnuspeech . El sistema, comercializado por primera vez en 1994, proporciona una conversión completa de texto a voz basada en la articulación, utilizando una guía de ondas o una línea de transmisión análoga de los tractos oral y nasal humanos, controlada por el "modelo de región distintiva" de René Carré. ^{[ 7 ]}

• Fonética articulatoria
• fonología articulatoria
• Procesamiento neurocomputacional del habla
• Praat
• Síntesis de voz

• Baxter, Brent y William J. Strong. (1969). WINDBAG: un sintetizador de voz analógico del tracto vocal. Journal of the Acoustical Society of America , 45, 309(A).
• Birkholz P, Jackel D, Kröger BJ (2007) Simulación de pérdidas debidas a turbulencia en el sistema vocal variable en el tiempo. IEEE Transactions on Audio, Speech, and Language Processing 15: 1218-1225
• Birkholz P, Jackel D, Kröger BJ (2006) Construcción y control de un modelo tridimensional del tracto vocal. Actas de la Conferencia Internacional sobre Acústica, Habla y Procesamiento de Señales (ICASSP 2006) (Toulouse, Francia), págs.  873-876 .
• Coker. CH (1968). Síntesis del habla con un modelo articulatorio paramétrico. Actas del Simposio sobre el Habla, Kioto, Japón , artículo A-4.
• Coker, CH (1976). "Un modelo para la dinámica y el control articulatorios". Actas del IEEE . 64 (4): 452– 460. doi : 10.1109/PROC.1976.10154 . S2CID 1412611 . 
• Coker; Fujimura, O. (1966). "Modelo para la especificación de la función del área del tracto vocal" . Journal of the Acoustical Society of America . 40 (5): 1271. Bibcode : 1966ASAJ...40.1271C . doi : 10.1121/1.2143456 .
• Dennis, Jack B. (1963). Control informático de un tracto vocal analógico. Journal of the Acoustical Society of America , 35, 1115(A).
• Dudley, Homer; Tarnoczy, Thomas H. (1950). "La máquina parlante de Wolfgang von Kempelen" (PDF) . Journal of the Acoustical Society of America . 22 (2): 151– 166. Bibcode : 1950ASAJ...22..151D . doi : 10.1121/1.1906583 .
• Dunn, Hugh K. (1950). "Cálculo de resonancias vocálicas y un tracto vocal eléctrico". Journal of the Acoustical Society of America . 22 (6): 740– 53. Bibcode : 1950ASAJ...22..740D . doi : 10.1121/1.1906681 .
• Engwall, O. (2003). Combinación de mediciones de resonancia magnética, EMA y EPG en un modelo tridimensional de la lengua. Speech Communication, 41, 303–329.
• Fant, C. Gunnar M. (1960). Teoría acústica de la producción del habla . La Haya, Mouton.
• Gariel, M. (1879). «Máquina parlante de M. Faber» . J. Physique Théorique et Appliquée . 8 : 274– 5. doi : 10.1051/jphystap:018790080027401 .
• Gerard, JM; Wilhelms-Tricarico, R.; Perrier, P.; Payan, Y. (2003). "Un modelo biomecánico dinámico tridimensional de la lengua para estudiar el control motor del habla" (PDF) . Avances recientes en investigación biomecánica . 1 : 49–64 .
• Henke, WL (1966). Modelo articulatorio dinámico de la producción del habla mediante simulación por computadora. Tesis doctoral inédita, MIT, Cambridge, MA.
• Honda, Takashi, Seiichi Inoue y Yasuo Ogawa. (1968). Un sistema de control híbrido de un simulador del tracto vocal humano. Informes del 6.º Congreso Internacional de Acústica , editado por Y. Kohasi, págs.  175-178. Tokio, Consejo Internacional de Uniones Científicas.
• Kelly, John L., y Carol Lochbaum. (1962). Síntesis de voz. Actas del Seminario de Comunicaciones del Habla , artículo F7. Estocolmo, Laboratorio de Transmisión del Habla, Instituto Real de Tecnología.
• Kempelen, Wolfgang R. von. (1791). Mechanismus der menschlichen Sprache nebst der Beschreibung seiner sprechenden Maschine . Viena, JB Degen.
• Maeda, S. (1988). Modelo articulatorio mejorado. Journal of the Acoustical Society of America , 84, Sup. 1, S146.
• Maeda, S. (1990). Articulación compensatoria durante el habla: evidencia del análisis y síntesis de las formas del tracto vocal mediante un modelo articulatorio. En WJ Hardcastle y A. Marchal (Eds.), Speech Production and Speech Modelling , Kluwer Academic, Dordrecht, 131–149.
• Matsui, Eiichi. (1968). Órganos vocales simulados por computadora. Informes del 6.º Congreso Internacional de Acústica , editado por Y. Kohasi, págs.  151-154. Tokio, Consejo Internacional de Uniones Científicas.
• Mermelstein, Paul. (1969). Simulación por computadora de la actividad articulatoria en la producción del habla. Actas de la Conferencia Internacional Conjunta sobre Inteligencia Artificial , Washington, DC, 1969, editado por DE Walker y LM Norton. Nueva York, Gordon & Breach.
• Mermelstein, P. (1973). "Modelo articulatorio para el estudio de la producción del habla". Journal of the Acoustical Society of America . 53 (4): 1070– 1082. Bibcode : 1973ASAJ...53.1070M . doi : 10.1121/1.1913427 . PMID 4697807 . 
• Nakata, Kazuo; Mitsuoka, T. (1965). "Transformación fonémica y aspectos de control de la síntesis del habla conectada". J. Radio Res. Labs . 12 : 171–86 .
• Rahim, M.; Goodyear, C.; Kleijn, W.; Schroeter, J.; Sondhi, M. (1993). "Sobre el uso de redes neuronales en la síntesis del habla articulatoria". Journal of the Acoustical Society of America . 93 (2): 1109– 1121. Bibcode : 1993ASAJ...93.1109R . doi : 10.1121/1.405559 . S2CID 120130348 . 
• Rosen, George (1958). "Sintetizador de voz analógico dinámico". Journal of the Acoustical Society of America . 30 (3): 201– 9. Bibcode : 1958ASAJ...30..201R . doi : 10.1121/1.1909541 . hdl : 1721.1/118106 .
• Rubin, PE; Baer, ​​T.; Mermelstein, P. (1981). "Un sintetizador articulatorio para la investigación perceptiva". Journal of the Acoustical Society of America . 70 (2): 321– 328. Bibcode : 1981ASAJ...70..321R . doi : 10.1121/1.386780 .
• Rubin, P., Saltzman, E., Goldstein, L., McGowan, R., Tiede, M., & Browman, C. (1996). CASY y extensiones al modelo dinámico de tareas. Actas del 1er Taller de Investigación y Tutorial de ESCA sobre Modelado de Producción del Habla - 4º Seminario de Producción del Habla , 125–128.
• Stevens, Kenneth N.; Kasowski, S.; Fant, C. Gunnar M. (1953). "Un análogo eléctrico del tracto vocal". Journal of the Acoustical Society of America . 25 (4): 734– 42. Bibcode : 1953ASAJ...25..734S . doi : 10.1121/1.1907169 .

• "De la resonancia magnética y los datos acústicos a la síntesis articulatoria" . Archivado del original el 14 de agosto de 2007.
• "Proyecto de Historia de la Síntesis del Habla del Smithsonian (SSSHP) 1986-2002" . Archivado del original el 3 de octubre de 2013.
• Introducción a la síntesis de voz articulatoria
• Simulación de canto con el robot cantante Pavarobotti en YouTube o una descripción de la BBC sobre cómo el robot sintetizó el canto en YouTube .
• Herramienta online de síntesis de voz sin manos Pink Trombone y vídeo de demostración en YouTube