Glättung von F0-Konturen in Text-To-Speech Systemen

Ein wesentlicher Bestandteil für das Verständnis und die Deutung einer Äußerung in einem lautsprachlichen Kommunikationsprozess ist die vom Sprecher produzierte Sprachmelodie. Mit ihrer Hilfe kann der vermittelte Inhalt unterstützt und linguistisch verdeutlicht werden. Für die Mensch-Maschine-Kommunikation und im Speziellen für die künstliche Sprachsynthese ist es eine besondere Herausforderung, diesen Prozess auf möglichst adäquate Weise nachzubilden. Wesentlich für den Natürlichkeitseindruck ist neben der Steuerung der Sprachmelodie vor allem die Beseitigung von Störungen und Fehlern im sprachmelodischen Verlauf einer künstlichen Äußerung. In Sprachsynthesesystemen, die auf Konkatenation kleinerer Segmente zu größeren Einheiten zurückgreifen, liegen derartige Störungen der Sprachmelodie besonders an den Verknüpfungsstellen der Sprachbausteine vor. In der vorliegenden Arbeit soll daher der folgende Punkt untersucht werden: Kann eine nachträgliche Glättung der Grundfrequenzkontur in synthetisierten Äußerungen und damit die Reduzierung von Störungen innerhalb sprachmelodischer Abläufe perzeptiv relevante Verbesserungen liefern und welche Methoden führen zu den besten Ergebnissen.