DEFINITION

Sprachsynthese bezeichnet die
"  lautliche Produktion von Sprache durch eine Maschine "
 
 

GESCHICHTE

Erste Versuche zur Synthese von Sprache wurden 1779 an der Königlichen Akademie St. Petersburg unternommen: C.G. Kratzenstein konstruierte  eine Nachbildung des Vokaltraktes zur Erzeugung vokalischer Klänge.
(-> bilder im museum)

1791 baute Baron Wolfgang von Kempelen einen mechanischen Sprechapparat (Abb. 1), der bereits Laute und Lautübergänge formulieren konnte. Dieser arbeitete mit Blasebälgen und Kammern, deren Form mit den Händen verändert werden konnte. 100 Jahre später wurde diese Maschine von Charles Wheatstone weiterentwickelt, jedoch basierte auch diese Maschine noch auf mechanischen Prinzipien.

Erst 1937 gelang es Homer Dudley und seinen Mitarbeitern von den Bell Labs, Sprache auf elektrischem Wege zu synthetisieren, allerdings natürlich noch analog. Diese Maschine - Dudley nannte Sie VODER - machte erstmals die Überführung menschlicher Sprache in zahlenmäßige Parameter möglich. Auch bei VODER wurde ein Keyboard benutzt, jedoch wurde die Sprache durch die Modifizierung eines Spektrums bzw. von Schallwellen simuliert (Abb. 2). Dieses System bildete damit die Grundlage für heutige Synthesizer.

In den 50er Jahren experimentierte man mit Synthese-Systemen, die die Eingabe von Lautschrift verarbeiten konnten, jedoch erst in den 70er Jahren wurden Maschinen gebaut, die funktionsfähig waren und erste brauchbare Ergebnisse lieferten. Dies wurde erst durch die massenhafte Verfügbarkeit von Speicherplatz und Rechenleistung möglich. In diesem Jahrzent war es auch, daß ein Forscher namens Joseph Olive seine Arbeit in eine ganz neue Richtung weiterführte: Er wollte nicht eine Schallwelle modifizieren, sondern vorher aufgenommene Segmente menschlicher Sprache zusammenfügen . Dieser komplett neue Ansatz ist auch heute noch das Prinzip, welches hinter den meisten Sprachsynthesesystemen steckt.
"
entnommen den spinfo-Seiten 
 

Der Nachfolger des C64, der Amiga  (1985) , war der erste Computer der mit Software zur Sprachsynthese ausgeliefert wurde. amiga-say-beispiel
"Die Sprachausgabe mit Hilfe von Phonemcodes ist im Betriebssystem in Form einer Funktionsbibliothek angelegt, die von jeder höheren Programmiersprache aus aufgerufen werden kann. Verschiedene Sprachen, zum Beispiel Basic, bieten einfache Befehle zur Ausgabe von Worten."
 
 

Methode:
Es wird ein Text in Wörter zerlegt. Dann wird die Aussprache der Wörter ermittelt und es wird eine Analyse der sprachlichen Struktur vorgenommen. Durch diese Analyse wird dann die Sprechmelodie, der Sprechrhythmus und die Pausierung gesteuert. Die Resultate der Textanalyse werden in symbolischer Form in den eigentlichen Sprachsynthetisator eingegeben und dort in Sprachschall umgesetzt. Dazu gibt es mehrere Verfahren.
SpeechMill - Sprachsynthese - phonetische Alphabet

Prof. H.G. Tillmann, Dr.-Ing. F. Schiel
http://www.phonetik.uni-muenchen.de/AP/APKap1.htm
 

 Phonetische Information
A Prosodie - Intonation, Akzente, Pausen
B Prosodie - Silbenrhythmus
C Prosodie - Intrinsische Struktur der Laute
 

Zusammenfassung:
Damit aus Schall Sprachschall entsteht, genügt es nicht, einfach Sprachlaute hintereinander zu hängen. Damit beim Hörer der Eindruck von wohlartikulierter Sprache entsteht, die - scheinbar mühelos - zu dekodieren ist, bedarf es dem Zusammenspiel von A, B und C Prosodie. Alle diese phonetischen Informationen sind im Sprachsignal kodiert vorhanden.

Aus Schall wird also Sprachschall, indem man dem Schall prosodisch wohlartikulierte Sprechbewegungen aufprägt.
 
 

Die digitale Synthese menschlicher Sprache bietet vielfältige Einsatzmöglichkeiten, vornehmlich in dem Bereich der Auskunfts- und Expertensysteme . Überall dort, wo Information über das Telefon übermittelt wird (v.a. bei Banken und in der zivilen Luftfahrt), im Zugriff auf Datenbanken , z.B. zum Abruf von Wettervorhersagen , lassen sich solche Systeme nutzen. Für die maschinelle Übersetzung liessen sich Systeme entwerfen, die den Gesprächspartnern in ihrer eigenen Muttersprache Auskunft über das eben Gesagte erteilten.(-> Translatoren, LPS gekoppelt an Sprachsynthesizer :-) )

Die Mensch- / Maschine-Schnittstelle ist ein weiterer Ansatzpunkt, insbesondere zur Prozess- und Fahrzeugsteuerung und als von GPS/Galileo geleiteten Fahrzeugführern. Für Behinderte lässt sich das Leben mit sprachsynthetischen Vorrichtungen erheblich erleichtern - im Einsatz als Blindenvorlesegeräte oder als künstliche Stimme für Sprachbehinderte .

Auch das Militär ist natürlich an der Entwicklung solcher Systeme zum Einsatz in hostile environments interessiert. Weiterhin überall dort, wo Augen und/oder Hände des Benutzers beschäftigt sind (Medizin) oder Bildschirmplatz kostbar bzw. Zeit Mangelware ist, finden Sprachsynthesesysteme Verwendung.

Allein im Multimediabereich ergeben sich zahlreiche Anwendungen wie Sprachlernprogramme , der stufenlose Übergang von einem Sprecher zum anderen ( Morphing) ...
 
 

 " Verwendete Sprachen sind naturgemäß die Sprachen der industriell mächtigsten Staaten der Erde, also Englisch, Deutsch, Japanisch, Französisch, Mandarin, Italienisch, Spanisch und Russisch. Es gibt jedoch auch Versuche, z.B. die slawischen Sprachen stärker in die Forschung einzubinden.

Vor allem folgende Fragen stellt sich die heutige Forschung: Was sind die am besten geeigneten Units einer Sprache? (-> Konkatenationssynthese )

• Was macht die Charakteristik eines Sprechers aus?
• Wie kann man diese Charakteristik phonetisch beschreiben?
• Wie interagieren die prosodischen Parameter untereinander?

In die Konsumgesellschaft hat die Sprachsynthese auch Einzug gehalten: neben den im Referat  erwähnten Anwendungen existieren mittlerweile fertige Komponentenbibliotheken für moderne Programmiersprachen wie Java und sogar Beschreibungssprachen auf XML-Basis, die die oben beschriebenen Algorithmen nutzen und nun standardisiert werden"

entnommen den spinfo-seiten

so gibt es also noch viel zu forschen.
m.e.  ist der regelsynthetische ansatz der zukunftsweisende.  er führt zu unbegrenzter  erzeugung   beliebiger lautWörter.   da die rechner performanzen immer groesser werden, dürfte auch die momentane zeitkritik weniger dringend werden.

etwas weiter ausgeblickt:
es wird möglich sein,  jedwede beliebige , sich menschlich anhörende stimme, synthetisch zu erzeugen.   synchronisationsstudios müssen neu erdacht werden. auch das erschaffen einer "perfekten" stimme, zum beispiel für eine oper, ist ein ausblick. schon heute benutzt kein pop-interpret mehr seine stimme, ohne sie durch verschiedene künstliche filter zu formen,  "weicher" zu machen etc.
gerade was die letzten beispiele  angeht sind tatsaechlich  die entwickler aber noch lange nicht soweit,  vielleicht ebensoweit entfernt davon , wie die computerLinguisten von selbstLernenden und textVerstehenden systemen ?
interessant waere hierfür auch eine akustische strukturAbbildung  als ergaenzung zur auch noch zu erzeugenden bildlichenAbbildung von wörtern (für die möglicherweise textVerstehenden Systeme  einer noch fernen zukunft), um eine genauere semantische verknüpfung/definition/einordnung zu erreichen. (->korrespondierende musterAbbildungen)

we always have a choice, or at least we think we do.
we could always use our voice - i thought this to be true.
(moorcheba,  'fear and love' )

  all layout done on linux-machine :
  grafix done with gimp
  html-composed with netscape-composer