Single speaker acoustic analysis of czech speech for purposes of emotional speech synthesis

Abstract

Článek se zabývá akustickou analýzou několika množin českých vět namluvených jedním jediným řečníkem. Data použitá v tomto článku obsahují jak emotivní tak neutrální věty. Obzvláště jsme se zajímali o ty vlastnosti, které by mohli ovlivňovat vnímání řeči. Mezi těmito vlastnosti jsou F0, doba trvání fónů, formantové frekvence a intenzita signálu. Analyzované množiny vět byly složeny z promluv vyjadřujících různé řečnické postoje. Snažili jsme se odhalit nějaké akusticky měřitelné rozdíly mezi různými řečnickými postoji tak, abychom mohli výsledky uplatnit v našem TTS systému pro syntézu emotivní řeči.