Indicateurs phonétiques fondés sur les formants pour l'évaluation de la qualité des systèmes TTS

Overview & Synopsis

Cette étude examine, à partir de données de synthèse vocale en français, dans quelle mesure l'organisation de l'espace vocalique, mesurée à partir des formants, permet de servir d'indicateur de qualité pour des systèmes Text-To-Speech. À partir des valeurs formantiques F1 et F2 pour chaque réalisation vocalique, nous dérivons trois types d'indicateurs : la taille de l'espace vocalique ( triangle et polygone), la dispersion intra-voyelle et les distances inter-voyelles. Nos résultats montrent que certains indicateurs formantiques, notamment les contrastes en F1 entre voyelles extrêmes (a-i), sont fortement associés aux jugements de naturalité. À l'inverse, la dispersion intra-voyelle constitue un indicateur plus faible, à l'exception de la variabilité de /o/ en F2. Ces indicateurs permettent de diagnostiquer précisément les zones d'instabilité dans l'espace vocalique des systèmes TTS, offrant ainsi un complément interprétable aux évaluations subjectives.