Evaluation segmentale du système de synthèse HTS pour le français (Segmental evaluation of HTS)

Résumé : HTS est un système paramétrique de synthèse de la parole qui repose sur l'usage de modèles de Markov cachés (HMM). Ce système est de plus en plus diffusé dans le domaine de la synthèse de la parole. Très peu d'études ont cependant été effectuées pour analyser l'influence des paramètres de ce système sur la qualité de la voix de synthèse. L'objectif de cet article est de proposer une évaluation objective de la qualité de la synthèse réalisée par le système dans le but de vérifier l'impact des multiples descriptions sur la qualité de la synthèse. Nos travaux ne concernent que l'analyse du continuum spectral de la parole générée et s'appliquent au français. Nous proposons d'utiliser des GMM pour mesurer les dégradations par rapport à un système de synthèse de référence. Nous proposons enfin un test d'écoute de manière à calibrer notre mesure objective. Les expériences proposées montrent que l'apport des descripteurs autres que la séquence phonème précédent-courant-suivant ne semble pas significatif sur la modélisation du spectre.