Síntesis del habla con emociones en el dominio de las conversaciones virtuales

• Autores: Yesika Laplaza
• Directores de la Tesis: Juan María Garrido Almiñana (codir. tes.), Toni Badia Cardús (codir. tes.)
• Lectura: En la Universitat Pompeu Fabra ( España ) en 2013
• Idioma: español
• Tribunal Calificador de la Tesis: María Antonia Martí Antonín (presid.), Josep Maria Fontana Méndez (secret.), Juan Manuel Montero (voc.)
• Materias:
  • Lingüística
    • Lingüística aplicada
      • Lingüística informatizada
    • Lingüística sincrónica
      • Fonética
• Enlaces
  • Tesis en acceso abierto en:  TDX  e-Repositori UPF 
• Resumen

  • La tesis, al centrarse en la generación de voz sintética en el dominio de las conversaciones virtuales en español, trata dos aspectos diferentes del proceso de la conversión de texto en habla: Por un lado, parte de esta investigación gira alrededor de la normalización-corrección de los mensajes que los usuarios escriben mientras chatean con amigos o conocidos, cuyo lenguaje dista considerablemente del texto estándar y normativo que emplean estos conversores. Estos textos presentan numerosas abreviaturas, emoticonos, sustituciones de grafías o repeticiones de ellas, haciendo que el texto si es procesado por los normalizadores convencionales de los CTH resultara incomprensible por el oyente. En esta tesis se ha analizado un corpus para conocer qué fenómenos son los que se dan en este dominio específico y con qué frecuencia tienen lugar. A partir de este análisis se ha adaptado el normalizador de textos TexAFon para poder procesar correctamente este tipo de textos.

    Por otro lado, el habla generada debe corresponderse con el dominio especificado. En las conversaciones virtuales, que se asemejan más a una conversación oral que a un discurso escrito, predomina un afán por comunicar situaciones, transmitir estados emocionales, opiniones, sentimientos, etc. Por lo tanto, la voz desarrollada en esta investigación pretende reflejar esta expresividad, concretamente se pretende generar enunciados en los que se transmitan emociones mediante la modelación de parámetros prosódicos. Para lograr este propósito se parte de un corpus textual real que permite averiguar qué emociones son las más frecuentes y poder así crear un corpus oral adecuado al dominio, y del conversor de texto a habla de la empresa escocesa Cereproc. Para generar la voz sintética ha sido necesario crear un locutor sintético desde cero, desarrollando unos modelos prosódicos específicos para el locutor y cada una de las emociones generadas. Al final de la investigación se ha realizado una evaluación específica para los dos aspectos tratados, comparando los resultados obtenidos con otros de estudios similares.

    Se concluye la tesis aportando futuras líneas de investigación.