S11 - Speech Recognition

Apa tahap pertama dalam proses sistem Text-to-Speech (TTS)?

• Waveform Synthesis

• F0 Generation

• Text Analysis

• Parametric Synthesis

Teknik TD-PSOLA digunakan untuk apa?

• Memilih unit suara terbesar

• Menghasilkan parameter akustik menggunakan HMM

• Mengubah pitch dan durasi suara

• Memprediksi F0 secara otomatis

Kelebihan dari unit selection synthesis adalah...

• Lebih cepat dan mudah dibangun

• Minim modifikasi sinyal dan menghasilkan suara alami

• Membutuhkan sedikit data pelatihan

• Tidak memerlukan database suara

Manakah dari berikut ini yang merupakan kelemahan dari parametric synthesis?

• Suara terlalu ekspresif

• Tidak dapat diatur fleksibilitasnya

• Menghasilkan suara robotik jika vocoder buruk

• Menggunakan unit terlalu besar

Teknik evaluasi subjektif kualitas TTS yang memberikan skor dari 1 hingga 5 adalah...

• AB Test

• Intelligibility Test

• DRT

• MOS

Apa peran Hidden Markov Model (HMM) dalam TTS?

• Menggabungkan diphone secara otomatis

• Memprediksi parameter akustik untuk sintesis

• Menentukan posisi tekanan kata dalam kalimat

• Merekam semua pasangan fonem

Kapan pitch (F0) biasanya mengalami penurunan?

• Saat awal kalimat

• Saat akhir kalimat

• Saat tekanan kata meningkat

• Saat suara meningkat volumenya

Berapa lama durasi data rekaman yang direkomendasikan untuk sistem TTS single speaker?

• 1-2 jam

• ~ 5 jam

• ~ 10 jam

• Lebih dari 20 jam

Apa kekurangan utama dari diphone synthesis?

• Terlalu mahal secara komputasi

• Tidak alami dan sulit dikontrol

• Menyebabkan artefak suara dan tidak menangani prosodi kalimat

• Tidak fleksibel dalam modifikasi suara

Mengapa unit selection synthesis rentan terhadap kualitas buruk?

• Karena terlalu banyak modifikasi sinyal

• Karena vocoder tidak digunakan

• Karena unit yang cocok mungkin tidak tersedia dalam database

• Karena tidak menggunakan pitch