Luận án Tiến sĩ: Nghiên cứu các phương pháp xác định tần số cơ bản ứng dụng cho tổng hợp thanh điệu tiếng Việt

Trong bối cảnh công nghệ tổng hợp tiếng nói phát triển mạnh mẽ, việc tái tạo ngữ điệu tự nhiên, đặc biệt là tần số cơ bản (F0) và thanh điệu, đóng vai trò then chốt quyết định chất lượng và độ tự nhiên của giọng nói tổng hợp. Tiếng Việt, với hệ thống thanh điệu phức tạp, đặt ra thách thức lớn trong việc phân tích và tổng hợp tiếng nói. Luận án này tập trung nghiên cứu các phương pháp xác định F0 và cách điệu hóa đường thanh điệu nhằm cải thiện đáng kể hiệu quả của quá trình tổng hợp thanh điệu tiếng Việt, đồng thời góp phần vào sự phát triển của công nghệ giọng nói tiếng Việt.

Nghiên cứu sinh, giảng viên, và chuyên gia trong các lĩnh vực xử lý tiếng nói, công nghệ ngôn ngữ, trí tuệ nhân tạo, và tin học, đặc biệt những người quan tâm đến tổng hợp tiếng nói và xử lý âm thanh tiếng Việt.

Luận án tiến sĩ này giải quyết bài toán cốt lõi trong lĩnh vực tổng hợp tiếng nói bằng cách nghiên cứu các phương pháp xác định tần số cơ bản (F0) và cách điệu hóa thanh điệu, đặc biệt cho tiếng Việt - một ngôn ngữ có thanh điệu phức tạp. Mục tiêu chính bao gồm việc xác định các điểm đánh dấu pitch (PM) và ước lượng F0 một cách hiệu quả, đồng thời phát triển các mô hình cách điệu thanh điệu tiên tiến phù hợp với đặc điểm của tiếng Việt để nâng cao chất lượng và độ tự nhiên của giọng nói tổng hợp. Nghiên cứu đề xuất một giải thuật mới cho phép xác định các điểm Pitch Markers trực tiếp từ sóng tiếng nói, loại bỏ yêu cầu chia tín hiệu thành khung và giảm độ phức tạp tính toán so với các phương pháp truyền thống. Điều này không chỉ đơn giản hóa quá trình mà còn đảm bảo kết quả không bị ảnh hưởng bởi tham số độ dài khung. Hơn nữa, luận án tập trung vào cách điệu hóa đường F0 bằng việc phát triển mô hình qTAV-Poly và mở rộng với đa thức Chebyshev để tạo ra đường thanh điệu của các từ đa âm tiết, cung cấp khả năng điều khiển ngữ điệu chính xác và ổn định. Các phương pháp này được đánh giá qua thực nghiệm kỹ lưỡng, chứng minh tiềm năng ứng dụng cao trong các hệ thống tổng hợp tiếng nói tiếng Việt, góp phần vào sự tiến bộ của khoa học âm thanh và xử lý ngôn ngữ tự nhiên.