High-quality prosodic modifications of speech using time-domain overlap-add synthesis

Un algorithme temporel permettant de modifier la prosodie de la parole tout en conservant le naturel du timbre a été proposé récemment dans le contexte de la synthèse par diphones [1]. Cet algorithme est fondé sur le méthode de l'addition-recouvrement synchrone de la fréquence fondamentale (PSOLA) de formes d'onde temporelle. Nous étudions dans cet article les raisons pour lesquelles cet algorithme conceptuellement simple permet d'obtenir des modifications de haute qualité. Nous montrons notamment que deux types de distortion sont possibles, selon la longueur de la fenêtre de synthèse: (1) élargissement de la bande passante des formants pour des fenêtres de synthèse courtes (2) effet de réverbération pour des fenêtres longues. Un compromis satisfaisant consiste à utiliser des fenêtres de longueur égale à deux fois. la période fondamentale locale. Dans ce cas, la distortion de l'enveloppe spectrale est la plupart du temps peu importante d'un point de vue perceptif. Cet algorithme peut aussi être appliqué au résidu de prédiction linéaire, ou encore couplé à un codeur prédictif. Les distortions spectrales sont dans ce cas essentiellement liées aux problèmes d'estimation paramétrique de l'enveloppe spectrale du signal de parole