Christel Sorin

Operational and experimental French telecommunication services using CNET speech recognition and text-to-speech synthesis

Abstract This paper presents a brief overview of current uses, in 1994–1995, for CNET speech recognition and text-to-speech technologies in Interactive Voice Response Services (IVR) in France. It describes several operational and experimental services, and analyzes field evaluations of some of them. Finally, this paper summarizes recent developments in the CNET speech recognition and text-to-speech technology.

Le traitement du signal vocal voice signal processing

RésuméLe traitement de la parole a connu ces dernières années un formidable développement lié aux avancées technologiques des composants de traitement numérique des signaux et à la numérisation grandissante des réseaux. Cet article fournit une analyse des principales techniques qui se sont imposées récemment dans les domaines du codage, de la reconnaissance et de la synthèse de la parole. En compression de débit, ľaccent est mis sur le codage par analyse/synthèse excité par code (code-excited linear prediction celp) qui domine les recherches actuelles dans une gamme de débits allant de 4 à 16 kbit/s. En reconnaissance de parole, on insiste sur ľadaptation aux lignes téléphoniques, le rejet des entrées parasites et la détection de mots-clés, trois éléments essentiels pour augmenter la robustesse des systèmes. En synthèse de la parole à partir du texte, la technique psola (pitch synchronous overlap and add), qui a donné naissance à une nouvelle génération de systèmes de synthèse au timbre très naturel, est détaillée. Ľanalyse des tendances actuelles permet de dégager quelques axes prometteurs pour de futures recherches.AbstractThe speech processing studies have advanced rapidly in recent years spurred on by great progresses in thevlsi technologies and in the digitalization of the networks. This paper offers an overview of the most attractive techniques which have focused the recent researchs and developments in speech coding, recognition and synthesis areas. For speech compression, the emphasis is put on a family of techniques named code-excited linear prediction (celp) which dominates current studies for rates in the range of 4 to 16 kbit/s. In terms of speech recognition, particular emphasis is placed on the following three elements which are essential in order to increase the robustness of the systems : telephone line adaptation, rejection of parasite noise and out-of-vocabulary words, and keyword spotting. In terms of text-to-speech synthesis, thepsola (pitch synchronous overlap and add) technique is outlined herein. This technique gives rise to a new generation of synthesis systems which produce speech with very natural timbre. The analysis of current tendencies for each area allows to suggest attractive directions for future research.