مقالة حاضر تلاشی است در جهت مدل سازیِ نوای گفتارِ کانونیِ فارسی که با اتخاذ رویکردی تولیدی ـ نقش گرا یعنی رمزگذاری موازی و تقریب هدف (penta) انجام شده است. داده های مورد استفاده برای مدل سازی شامل 150 پاره گفتار است که در شرایط مختلف کانونی و غیرکانونی تولید شده اند. در راستای رسیدن به این هدف، از بازسازی کنندة pentatrainer2 تحتِ نرم افزار پِرَت (praat) استفاده شده است. این بازسازی کننده در قالب رویک...

تحقیقات اخیر نشان می‌دهد که تظاهرات غیرخطی و آشوبی سیگنال گفتار می‌تواند در حوزة فضای بازسازی شده فاز (RPS) مطالعه شود. تئوری جاسازی برمبنای محورهای تأخیری، ابزار مناسبی برای بررسی تراژکتورهای گفتاری در RPS است. تاکنون از مشخصه‌های تراژکتورهای گفتاری به ندرت در سیستم‌های کاربردی بازشناسی گفتار استفاده شده است. از اینرو در این مقاله  روش استخراج ویژگی جدیدی براساس پارامترهای مدلسازی خطی مبتنی بر...

از آنجا که گفتار مهمترین راه ارتباطی برای انسان به شمار می آید، بسیار مورد مطالعه قرار گرفته شده است. برای تولید گفتار مدل های مختلفی ارایه گردیده است که می توان آن ها را به دو دسته عمده تقسیم نمود. دسته اول عموما دارای پایه و اساس فیزیولوژیکی نیستند و صرفا با استفاده از سیگنال گفتار و روش های پردازشی، مدل هایی برای تولید گفتار ارایه می دهند. دسته دوم به مبحث زبان و تولید و درک گفتار در سطوح عا...

عملکرد سیستم های بازشناسی گفتار (asr) زمانی که گفتار توسط نویز تخریب شده باشد، به شدت کاهش می یابد. روش های ویژگی های مفقود قصد دارند که این کاهش بازشناسی را با حذف مولفه هایی از نمایش زمانی- فرکانسی گفتار (اسپکتروگرام) که بیانگر نسبت سیگنال به نویز (snr) پایین باشند، کاهش دهند. این روش ها اثر خود را در نتایج صحت بازشناسی نشان می دهند که در مقابل اثر نویز جمعی، مقاوم بودن بالای خود را بروز می د...

تبدیل گفتار از جمله شاخه های جدید تحقیقات گفتاری است. هدف سامانه های تبدیل گفتار تغییر سیگنال گفتار گوینده ی مرجع است به نحوی که خروجی آن همانند گفتار فرد هدف به نظر برسد. روش-های مختلفی از جمله نگاشت کدبوک ها، روش های آماری و ... در این زمینه ارایه شده است، اما کیفیت صوت تولیدی از این سامانه ها هنوز کاملا مطلوب نیست. در این پروژه برای تبدیل گفتار، سیگنال گفتار یک گوینده (گوینده ی مرجع) به دو د...

مطالعات بر روی نحوه ادراک گفتار انسان نشان می دهد که مغز انسان به وقایع خاصی در سیگنال گفتار حساسیت بیشتری نشان می دهد و این نواحی حاوی اطلاعات متمایزکننده مفیدی برای واحدهای صوتی پایه است. ماهیت این وقایع بعنوان واحدهای پایه واقعی حاوی اطلاعات غنی و مهم گفتار، از نظر زبان شناسی و مهندسی در دست بررسی است. از سوی دیگر در بررسی جنبه های زیستی ادراک گفتار توسط مغز انسان دیدگاههایی وجود دارد که ن...

محققان و زبان شناسان ایرانی از نظر تولیدی واکه [ɑ] در زبان فارسی را واکه ای پسین، افتاده و سخت توصیف کرده اند. علاوه بر آن جزایری (16:1961) و ثمره (1378: 87) در توصیف تولیدی این واکه، ویژگی گرد بودن را نیز علاوه بر پسین، افتاده و سخت بودن آن برشمرده اند. به لحاظ بررسی های آواشناسی فیزیکی بی جن خان (1374: 35) در تحلیل سازه های واکه [ɑ] فرکانس سازه اول این واکه را 619 هرتز و فرکانس سازه دوم آن را...

در این پایان نامه روشی برای نهان نگاری سیگنال گفتار در متون تصویری باینری فارسی ارائه شده است. این روش مبتنی بر کدینگ گفتار lpc10 میباشد. برای پنهان سازی داده ها در تصویر متن ابتدا سیگنال گفتار توسط کدینگ lpc10 به یک رشته بیت باینری تبدیل میشود. برای این کار سیگنال گفتار به قسمتهای کوچکتری به نام فریم تقسیم بندی شده و از هر فریم چهار ویژگی شامل آوایی/غیرآوایی بودن، تناوب گام، ضرایب پیشگویی خطی ...

در این رساله به مطالعه و پیاده سازی سیستم تبدیل گفتار با کیفیت بالا پرداخته شده و روش های افزایش کیفیت و بهبود عملکرد آنها در زبان فارسی مورد بررسی قرار گرفته است. در سیستم های تبدیل گفتار، گوینده a (مبدا) عباراتی را بیان می کند و هدف از آن عبارت است از تغییر متکلم جملات بیان شده از گوینده aبه گوینده b(مقصد). کاربرد سیستم های تبدیل گفتار در ساخت پایگاه دادگان گفتاری جهت کاربرد در سیستم های تبدی...