1. Pengertian Speech Synthesis
Speech synthesis adalah
transformasi dari teks ke arah suara (speech). Transformasi ini mengkonversi
teks ke pemadu suara (speech synthesis) yang sebisa mungkin dibuat menyerupai
suara nyata, disesuaikan dengan aturan – aturan pengucapan bahasa.TTS (text
to speech) dimaksudkan untuk membaca teks elektronik dalam bentuk buku, dan
juga untuk menyuarakan teks dengan menggunakan pemaduan suara. Sistem ini dapat
digunakan sebagai sistem komunikasi, pada sistem informasi referral, dapat
diterapkan untuk membantu orang-orang yang kehilangan kemampuan melihat dan
membaca.
Ada beberapa
masalah yang terdapat pada pemaduan suara, yaitu:
- User sangat sensitif terhadap variasi dan informasi suara. Oleh sebab itu, mereka tidak dapat memberikan toleransi atas ketidaksempurnaan pemadu suara.
- Output dalam bentuk suara tidak dapat diulang atau dicari dengan mudah.
- Meningkatkan keberisikan pada lingkungan kantor atau jika menggunakan handphone, maka akan meningkatkan biaya pengeluaran.
Lingkungan dari
aplikasi pemadu suara adalah:
- Bagi tunanetra, pemadu suara menawarkan media komunkasi dimana mereka dapat memiliki akses yang tidak terbatas.
- Lingkungan dimana visual dan haptic skill user berfokus pada hal lain. Contohnya: sinyal bahaya pada kokpit pesawat udara.
2. Sejarah Speech Synthesis
Upaya yang paling
awal untuk menghasilkan lahirnya pemandu suara, pada abad XVIII. Terlepas dari
kenyataan bahwa upaya pertama adalah bentuk mesin mekanis, kita dapat
mengatakan hari ini bahwa synthesizer sudah berkualitas tinggi. Pada
tahun 1779 di
St Petersburg, Rusia Profesor Kratzenshtein Kristen fisiologis
menjelaskan perbedaan antara lima vokal panjang (/ A /, / e /, / i /, / o
/, dan / u /) dan membuat alat untuk menghasilkan mereka artifisial.
Tahun 1791 di Wina, Wolfgang von Kempelen memperkenalkan nya “Akustik-Mekanik
Mesin Speech”. Dalam sekitar pertengahan 1800-an Charles Wheatstone
dibangun terkenal versi mesin berbicara von Kempelen’s.
Generasi dari
sistem pemaduan suara ini dapat dibagi ke dalam 3 masa, yaitu:
♦ Generasi pertama (1962-1977). Format sintesis dari fonem adalah
teknologi dominan. Teknologi ini memanfaatkan aturan berdasarkan penguraian
fonetik pada kalimat untuk kontur frekuensi forman. Beberapa sintesis masih
miskin atau kurang dalam kejelasan dan kealamiannya.
♦ Generasi kedua (1977-1992). Metode pemadu suara adalah diphone
diwakilkan dengan parameter LPC. Hal tersebut menunujukkan bahwa
kejelasan yang baik pada pemadu suara dapat diperoleh dengan andal dari input
teks dengan menggabungkan diphone yang sesuai dengan unit. Kejelasan meningkat
selama sintesis forman, tetapi kealamian dari pemadu suara masih tetap rendah.
♦ Generasi ketiga (1992-sekarang). Generasi ini ditandai dengan
metode ‘ sintesis pemilihan unit’ yang diperkenalkan dan disempurnakan oelh
Sagisaka di Labs ATR Kyoto. Hasil dari pemandu suara pada periode ini sangat
mendekati human-generated speech pada bagian kejelasan dan
kealamian,
Teknologi pemadu
suara modern melibatkan metode dan algoritma yang canggih dan rumit. alat
pemadu suara dari keluarga “Infovox” mungkin mejadi salah satu multi
bahasa TTS yang paling dikenal saat ini. Versi komersial pertamanya, Infovox-SA
101, dikembangkan pada tahun 1982 di Institute Teknologi Royal, Swedia dan
didasarkan pada sintesis forman.
AT & T Bell
Laboratories (Lucent Technologies) juga memiliki tradisi yang sangat panjang
tentang pemandu suara (speech synthesis). TTS lengkap yang pertama
didemostrasikan di Boston pada tahun 1972 dan diliris pada tahun 1973. Hal ini
didasarkan pada model artikulatoris yang sikembangkan oleh Ceceil Coker (Klatt
1987). Pengembangan proses dari sistem penggabungan sintesis ini dimulai oleh
Joseph Olive pada pertengahan tahun 1970-an (Bell Labs 1997). Sistem ini
sekarang sudah tersedia untuk bahasa Inggris, Perancis, Spanyol, Italia, Jerman,
Rusia, Rumania, Cina, dan Jepang (Mcbius et al 1996).
Tabel TTS System
Sumber :
Tidak ada komentar:
Posting Komentar