CC BY
37
Доклады БГУИР
2015 № 4 (90)
УДК 004.056.5
СИНТЕЗ РЕЧЕПОДОБНЫХ СИГНАЛОВ НА БЕЛОРУССКОМ ЯЗЫКЕ
Г.В. ДАВЫДОВ, В.А. ПОПОВ, А.В. ПОТАПОВИЧ, Е.Н. СЕЙТКУЛОВ*, И В. САВЧЕНКО
Белорусский государственный университет информатики и радиоэлектроники П. Бровки, 6, Минск, 220013, Беларусь
*Евразийский национальный университет им. Л.Н. Гумилева Мирзояна, 2, Астана, Казахстан
Поступила в редакцию 24 марта 2015
Проанализированы методы синтеза речеподобных сигналов по базе аллофонов. Обоснована актуальность разработки синтеза речеподобных сигналов на белорусском языке. Изложена методология формирования базы аллофонов на белорусском языке с учетом фонетических особенностей белорусского языка.
Ключевые слова: защита информации, маскирующие сигналы, речевая информация, речеподобные сигналы, база аллофонов, белорусский язык.
Введение
Речеподобные сигналы широко используются в телефонометрии для тестирования качества передачи речевой информации по линиям связи и в системах защиты речевой информации, в качестве одной из компонент комбинированных маскирующих речь сигналов для защиты ее от утечки по акустическим каналам [1-5]. В соответствии с [1-3] для тестирования линий связи основные требования к речеподобным сигналам заключаются в наличии трех компонент: звонких вокализованных сигналов с имитацией свойств голоса; сигналов с постоянной спектральной плотностью мощности в частотной области; наличие паузы для обеспечения свойств, присущих сигналам с амплитудной модуляцией.
Речеподобные сигналы в последнее время широко применяются в качестве маскирующих сигналов для активных методов защиты речевой информации от утечки по акустическим каналам. При этом чаще всего используются комбинированные маскирующие сигналы, включающие «белый» шум и речеподобные сигналы. Соотношение между «белым» шумом и речеподобными сигналами устанавливается по уровням среднеквадратичного значения напряжения и лежит обычно в пределах 3-12 дБ [4].
Важным требованием к маскирующим сигналам является требование, чтобы они имели случайный характер, чтобы «белый» шум формировался за счет тепловых шумов полупроводниковых приборов или других видов физических шумов, а речеподобные сигналы формировались с использованием генератора случайных чисел, построенного на тепловых шумах. Эти требования обусловлены необходимостью исключения какой-либо возможности шумоочистки перехваченных акустических сигналов от маскирующих сигналов.
К речеподобным сигналам для систем защиты речевой информации дополнительно предъявляются требования, обусловленные характерными лингвистическими и фонетическими свойствами определенного языка и акустическими свойствами голоса определенного диктора. Лингвистические требование включают статистические данные о длине предложений, длине синтагм, длине слов, а также вероятности появления определенных фонем для определенного языка. Фонетические требования обусловлены необходимостью формирования речеподобных сигналов со спектральными характеристиками, не отличающимися от спектральных характеристик голоса диктора, речь которого необходимо защитить.
Методы синтеза речеподобных сигналов
Синтез речеподобных сигналов так же, как и синтез речи, может быть выполнен двумя основными методами. Первый метод - это синтез речи с использованием фонемного синтезатора, суть которого заключается в генерации фонем и дальнейшей компиляции из них слов и фраз.
Фонемный синтез содержит три основных этапа формирования речевого сигнала. На первом этапе выполняется перекодировка последовательности орфографических символов в последовательность кодов фонем; на втором рассчитывается набор акустических параметров формантных частот и полос частот, частоты основного тона и амплитуда вокализации. На третьем этапе формируется выходной речевой сигнал. Фонемный синтезатор не позволяет сформировать речевой сигнал с окраской и тембром, свойственным определенному диктору. Поэтому применение фонемного синтезатора для формирования речеподобных сигналов свойственных определенному диктору, не является эффективным с точки зрения защиты речевой информации маскирующими сигналами. Это обусловлено тем, что остаются различия в окраске и тембре речеподобных сигналов, сформированных фонемным синтезатором и информационным речевым сигналом определенного диктора.
Второй метод синтеза речеподобных сигналов - это компиляционный синтез, который основан на формировании речевого сигнала путем последовательного акустического воспроизведения единиц речевого сигнала, которые подготовлены заранее и сохраняются в памяти. Расстановка в определенной последовательности единиц речевого сигнала и их акустического воспроизведения являются основными этапами компиляционного синтеза речи. Метод является наиболее простым решением для достижения натуральности и естественности звучания речи [7]. К структурным единицам речи относятся аллофоны, дифоны, трифоны, полифоны, слоги, отдельные слова и словосочетания. Выбор структурной единицы речи для синтеза речи, с одной стороны, более просто вести по коротким сегментам с общим незначительным объемом памяти. Однако при этом имеет место большое количество переходов от одного фрагмента речи к другому, что может сказаться на качестве синтезируемой речи, если не применять сплайны. С другой стороны, при выборе в качестве структурных единиц речи более длинных по звучанию фрагментов, речь становится более естественной, однако необходимы при этом большие объемы памяти и большие базы структурных единиц речи, создание которых является трудоемким процессом. Поэтому для синтеза речеподобных сигналов предлагается использовать аллофоны в качестве структурной единицы речи, а по речевой базе аллофонов можно будет формировать речеподобные сигналы голосом определенного диктора.
Статистические характеристики белорусского языка
Синтез речеподобных сигналов на белорусском языке необходимо выполнять с учетом вероятностей длины предложений и длины слов в белорусском языке, а также вероятностей появления определенных аллофонов.
Распределение вероятностей длины предложений (числа слов в предложении) для белорусского языка является не определяющим параметром при синтезе речеподобных сигналов. Следует использовать при синтезе речеподобных сигналов длину синтагмы, на которые делится предложение (фраза) и количество фраз в фоноабзаце. Среднее число слов в предложении для белорусского языка составляет 10. Однако эти характеристики для каждого диктора могут быть свои. Поэтому следует использовать усредненные показатели. В табл. 1 представлены статистические характеристики белорусского языка.
Таблица 1. Статистические характеристики количества слов в синтагме для белорусского языка
Число слов в синтагме 1 2 3 4 5 6 7
Вероятность 0,05 0,10 0,30 0,25 0,15 0,10 0,05
Распределение вероятностей количества букв в слове для белорусского языка представлено в табл. 2.
Число букв в слове 1 2 3 4 5 6 7 8
Вероятность 0,103 0,126 0,103 0,108 0,130 0,128 0,115 0,077
Число букв в слове 9 10 11 12 13 14 15
Вероятность 0,051 0,031 0,016 0,007 0,003 0,001 0,001
Распределение вероятностей появления печатных знаков в тексте на белорусском языке представлено в табл. 3.
Таблица 3. Распределение вероятностей появления печатных знаков в тексте на белорусском языке
Аллофон Вероятность Аллофон Вероятность Аллофон Вероятность
а 0,1642 м 0,0274 ч 0,0158
б 0,0211 н 0,0571 ш 0,0143
в 0,0287 о 0,0413 ы 0,0405
г 0,0198 п 0,0289 ь 0,0149
д 0,0339 р 0,0393 э 0,0076
е 0,0395 с 0,0404 ю 0,0055
ж 0,0085 т 0,0336 я 0,0376
з 0,0303 у 0,0338 ё 0,0065
й 0,0092 ф 0,0005 1 0,0508
к 0,0412 х 0,0125 У 0,0257
л 0,0436 ц 0,0260
Для формирования речеподобных последовательностей используется генератор псевдослучайных чисел, выполненный программно. По значениям, полученным от генератора псевдослучайных чисел, и с учетом распределения вероятностей длины предложений определяется длина первого предложения, т.е. число слов, входящих в состав предложения (или синтагмы). Далее с учетом значения следующего псевдослучайного числа определяется длина первого слова в предложении, т.е. число аллофонов в первом слове предложения. Это процесс повторяется, пока не будут получены значения длин слов для первого предложения. Далее по значениям последующего псевдослучайного числа и с учетом таблиц вероятностей появления аллофонов в русской речи находится соответствующий первый аллофон первого слова для первого предложения. После этого выполняется процесс нахождения всех аллофонов для первого предложения. Таким образом, формируется текст, который воспроизводится системой преобразования текста в речь по базе аллофонов и передается на звуковую карту компьютера.
При формировании текста для речеподобных последовательностей вводится ряд ограничений, таких как: не может быть в слове последовательно расположенных трех гласных и четырех согласных, не может быть слова, состоящего из двух и более только гласных и двух и более только согласных.
Кроме вероятностей появления аллофонов необходимо учитывать вероятности встречаемости звуков в начале слова. Вероятности встречаемости фонем и их сочетаний в начале слова не исследовались.
Расстановка ударений в словах выполняется с учетом номера слога и числа слогов в слове по правилу, представленному в табл. 4.
Таблица 4. Правило расстановки ударного слога в слове
Число слогов в слове 1 2 3 4 5 6 7
№ ударного слога 1 2 2 3 3 4 5
Распределение вероятностей встречаемости гласных ударных фонем в середине слова представлены в табл. 5.
Таблица 5. Распределение вероятностей встречаемости гласных ударных фонем в середине слова
Фонема А Е Е И О У Ы Э Ю Я
Вероятность 0,325 0,196 0,013 0,143 0,146 0,070 0,061 0,012 0,006 0,028
Фонетические особенности белорусского языка
Основной особенностью белорусского языка, в отличие от русского, является его напевность, более продолжительное звучание гласных и согласных фонем, отсутствие напряженности при звукообразовании, сильное смягчение. В белорусском языке отсутствует мягкая и твердая фонема Г, вместо нее используется мягкая и твердая фонема Гх. В белорусском языке отсутствуют мягкие согласные фонемы Д, Р, Т, Ш, Щ, Ч. В отличие от русского языка, в белорусском языке имеются фонемы У (у короткое), мягкая Ц, твердая Ч. Отличительной особенностью белорусского языка является свободный, без напряжения, проход воздуха через артикуляционный аппарат при произношении гласных звуков. В фонетическом аспекте ударный слог характеризуется более продолжительным звучанием и более высоким уровнем создаваемого звукового давления по сравнению с таким же безударным слогом. Поэтому при формировании базы аллофонов необходимо использовать связный текст, из которого путем сегментации речи на аллофоны создается акустическая база.
Формирование базы аллофонов белорусского языка
Аллофоны необходимо классифицировать по фонетическим особенностям таким образом, чтобы учитывались фонетические особенности предыдущего и последующего аллофонов, т.е. его окружение. Это связано с тем, что звучание аллофонов определяется переходом формы речевого аппарата из одного положения в другое. Состояние речевого аппарата при произношении изменяется и это является динамическим процессом. Поэтому весьма важно при формировании базы аллофонов классифицировать их с учетом изменения формы речевого аппарата, что принято называть артикуляцией.
Аллофоны белорусского языка можно разделить на вокализованные (тоновые), шумовые и тоново-шумовые. Тоновые аллофоны это гласные А, Е, О, У, Ы, I. Они характеризуются открытым положением речевого аппарата при их произношении, а спектр имеет ярко выраженные частоты основного тона и форманты. Согласные звуки Б, П, Т, Д, К, Г образуются при коротком движении воздуха и их нельзя протяжно произнести, не прибавив к ним гласный. Кроме того, при произношении гласных фонем необходимо в первую очередь учитывать артикуляцию губ и языка и степень открытия рта.
Аллофоны согласных фонем делятся на твердые и мягкие, а по акустическим характеристикам и спектру делятся на шумные Б, Г, Д, З, Ж, К, П, С, Ц, Х, Т, Ш, Ч, А и сонарные В, У, Л, М, Н, Й, в которых вокализованность фонемы превышает шумность.
Создание баз аллофонов для славянских языков рассматривается в работе [8], в которой указывается, что теоретически минимальная база аллофонов для русского и белорусского языков составляет 420, а для польского 535. На практике эти данные являются завышенными из-за того, что очень многие позиционные и комбинаторные ситуации вообще не встречаются в речи, и для ряда аллофонов акустические различия настолько невелики, что этими различиями можно пренебречь.
Для синтеза речеподобных сигналов на белорусском языке предложена база из 476 аллофонов, обозначение которых по принципу согласуется с обозначениями, предложенными Б.М. Лобановым [8]. Обозначение аллофонов состоит из названия аллофона и цифрового кода из трех позиций, например а101. Это означает, что в wav-файле записан аллофон а, безударный, окружение слева отсутствует, а справа перед фонемами г, г', д, з, з', ж, ж', к, к', л, л', н, н', р, с, с', ц, ц', х, х', т, ш, й, ч, дз, дз', дж, дж'. Верхний индекс ['] означает, что согласный мягкий. Если первый цифровой индекс после названия гласного аллофона 0, то это означает, что гласный аллофон является безударным. Если же первый цифровой индекс после названия гласного аллофона 1, то это означает, что гласный аллофон ударный. Для согласных аллофонов первый цифровой индекс 1 означает, что согласный аллофон твердый. Если первый цифровой индекс для согласного аллофона 2, то это означает, что согласный аллофон мягкий.
Второй индекс аллофона характеризует его окружение слева. Если второй индекс 0, то это означает, что окружение слева отсутствует, т.е. с этого аллофона начинается новое слово. Если второй индекс 1, то слева ему предшествует гласная фонема. Если второй индекс 2, то слева ему предшествует согласная фонема.
Третий индекс аллофона характеризует его окружение справа. Если третий индекс в обозначении аллофона 0, то это означает, что окружение аллофона справа отсутствует, т.е. этим аллофоном заканчивается слово. Если третий индекс 1, то справа за ним следует гласная фонема. Если третий индекс 2, то справа за ним следует согласная фонема.
При синтезе белорусской речи по базе аллофонов некоторые трудности возникают при появлении в тексте мягкого знака. Для исключения этой трудности было предложено ввести в базу аллофонов согласные смягченные мягким знаком, такие как ЦЬ, ЛЬ, НЬ, ЗЬ, СЬ, ДЗЬ.
В соответствии с принятым обозначением перечень аллофонов для формирования речеподобных сигналов на белорусском языке приведен в табл. 6.
Таблица 6. Перечень аллофонов белорусского языка
а000 в212 з220 я020 ю010 л221 о111 у000 ц101 ш120 дж110
а001 в220 з221 я021 ю011 л222 о112 у001 ц102 ш121 дж111
а002 в221 з222 я022 ю012 м101 о120 у002 ц110 ш122 дж112
а010 в222 ж101 я101 ю020 м102 о121 у010 ц111 ч101 дж120
а011 у100 ж102 я102 ю021 м110 о122 у011 ц112 ч102 дж121
а012 у110 ж110 я110 ю022 м111 п101 у012 ц120 ч110 дж122
а020 у112 ж111 я111 ю101 м112 п102 у020 ц121 ч111 дж201
а021 г101 ж112 я112 ю102 м120 п110 у021 ц122 ч112 дж202
а022 г102 ж120 я120 ю110 м121 п111 у022 ц201 ч120 дж210
а101 г110 ж121 я121 ю111 м122 п112 у101 ц202 ч121 дж211
а102 г111 ж122 я122 ю112 м201 п120 у102 ц210 ч122 дж212
а110 г112 ж201 е001 ю120 м202 п121 у110 ц211 ф101 дж220
а111 г120 ж202 е002 ю121 м210 п122 у111 ц212 ф102 дж221
а112 г121 ж210 е010 ю122 м211 п201 у112 ц220 ф110 дж222
а120 г122 ж211 е011 к100 м212 п202 у120 ц221 ф111 ць210
а121 г201 ж212 е012 к101 м220 п210 у121 ц222 ф112 ць212
а122 г202 ж220 е020 к102 м221 п211 у122 х101 ф120 ль210
б101 г210 ж221 е021 к110 м222 п212 э001 х102 ф121 ль212
б102 г211 ж222 е022 к111 н101 п220 э002 х110 ф122 нь210
б110 г212 Ш00 е101 к112 н102 п221 э010 х111 ф201 нь212
б111 г220 Ю01 е102 к120 н110 п222 э011 х112 ф202 зь210
б112 г221 Ю02 е110 к121 н111 р101 э012 х120 ф210 зь212
б120 г222 Ю10 е111 к122 н112 р102 э020 х121 ф211 сь210
б121 д101 Ю11 е112 к201 н120 р110 э021 х122 ф212 сь212
б122 д102 Ю12 е120 к202 н121 р111 э022 х201 ф220 дзь210
б201 д110 Ю20 е121 к210 н122 р112 э101 х202 ф221 дзь212
б202 д111 Ю21 е122 к211 н201 р120 э102 х210 ф222
б210 д112 Ю22 ё001 к212 н202 р121 э110 х211 дз101
б211 д120 И01 ё002 к220 н210 р122 э111 х212 дз102
б212 д121 И02 ё010 к221 н211 с101 э112 х220 дз110
б220 д122 И10 ё011 к222 н212 с102 э120 х221 дз111
б221 з100 И11 ё012 л101 н220 с110 э121 х222 дз112
б222 з101 И12 ё020 л102 н221 с111 э122 т101 дз120
в101 з102 И20 ё021 л110 н222 с112 ы010 т102 дз121
в102 з110 И21 ё022 л111 о001 с120 ы011 т110 дз122
в110 з111 И22 ё101 л112 о002 с121 ы012 т111 дз201
в111 з112 й120 ё102 л120 о010 с122 ы020 т112 дз202
в112 з120 й121 ё110 л121 о011 с201 ы021 т120 дз210
в120 з121 й122 ё111 л122 о012 с202 ы022 т121 дз211
в121 з122 я000 ё112 л201 о020 с210 ы110 т122 дз212
в122 з201 я001 ё120 л202 о021 с211 ы111 ш101 дз220
в201 з202 я002 ё121 л210 о022 с212 ы112 ш102 дз221
в202 з210 я010 ё122 л211 о101 с220 ы120 ш110 дз222
в210 з211 я011 ю001 л212 о102 с221 ы121 ш111 дж101
в211 з212 я012 ю002 л220 о110 с222 ы122 ш112 дж102
Синтез текста для речеподобных сигналов на белорусском языке и его лингвистический анализ
Для синтеза текста для речеподобных сигналов на белорусском языке необходимо учитывать статистические характеристики белорусского языка, приведенные в таблицах выше. При этом сформированный текст речеподобных сигналов должен быть подвергнут лингвистическому анализу.
Лингвистический анализ текста речеподобных сигналов проводится с целью исключения из текста элементов речи, не характерных для белорусского языка. Слова с одной буквой могут состоять только из букв. А, З, I, К, У, У, Я. Слова из трех букв должны содержать хотя бы одну гласную. В белорусском языке отсутствуют сочетания букв СЧ, 4I, ЧЕ, ЧЯ, TI, ТЕ, ТЯ ДГ, ДЯ, ДЕ, PI, РЕ, РЯ, Ш^ ШЕ, ШЯ. Слова не могут начинаться с буквы Ы. Гласный Ы пишется после твердых согласных. У может появляться в тексте только после гласной, как в слове, так и после окончания предыдущего слова, оканчивающегося на гласную. Если в сформированном тексте речеподобных сигналов после гласной следует У, то ее следует заменить на У. Гласный I пишется после мягких согласных и в начале слова.
Заключение
Синтез речеподобных сигналов на белорусском языке основан на статистических характеристиках текстов (длительности слов, вероятностей появления букв в тексте) на белорусском языке и преобразовании его в речеподобные сигналы с использованием базы аллофонов.
Работа выполнена при финансовой поддержке КНМОН РК грант 0027/ПЦФ-14-ОТ и Белорусского республиканского фонда фундаментальных исследований проект Ф14КАЗ-020.
SYNTHESIS OF SPEECH-LIKE SIGNALS IN THE BELARUSIAN LANGUAGE
H.V. DAVYDAU, V.A. PAPOU, A.V. POTAPOVICH, Y.N. SEITKULOV, IV. SAVCHENKO
Abstract
The methods of synthesis of speech-like signal on the basis of allophones are anylized. The development urgency of speech-like signals synthesis in the Belarusian language is grounded. The methodology of forming the base of allophones in the Belarusian language with the phonetic features of the Belarusian language is described.
Список литературы
1. ITU-T P.501 Test signals for use in telephonometry/ Series P: Telephone Transmission Quality. Objective measuring apparatus. P.27.
2. ETSI 3rd Speech Quality Test Event. Anonymized Test Report «IP Phones». P. 81.
3. ITU-T P.50 Artificial voice/ Series P: Telephone Transmission Quality, Telephone installations, Local line networks. Objective measuring apparatus. P. 14.
4. Воробьев В.И., Давыдов А.Г., Давыдов Г.В., Ивонин А.И., Лещенко Д.В., Лобанов Б.М., Лыньков Л.М., Попов ВА., Потапович А.В. Устройство защиты речевой информации от утечки по вибрационным и акустическим каналам / Патент РБ № 3053.
5. Воробьев В.И., Давыдов А.Г., Давыдов Г.В. // Докл. БГУИР. 2009. № 3 (41). С. 9-16.
6. Сейткулов Е.Н., Давыдов Г.В, Потапович А.В. // Вест. КазНТУ. 2014. № 2 (102).
7. Киселев В.В., Лобанов Б.М. // Докл. БГУИР. 2004. №4. С. 138-142.
8. Фонетико-акустическая база данных для многоязычного синтеза речи по тексту на славянских языках. [Электронный ресурс]. - Режим доступа: http://www.dialog-21.ru/digests/dialog2006/materials/html/Lobanov.htm. - Дата доступа: 24.03.2015.
