Desenvolvimento de um sistema conversão texto em fala para a língua iorubá

A síntese de voz consiste na produção artificial da fala humana; um sistema informático utilizado para este fim denomina-se sintetizador de voz e pode ser implementado tanto em software como em hardware. Um sistema de conversão de texto em fala (TTS) converte texto em linguagem natural em fala. Nos últimos anos, esta tecnologia tem estado amplamente disponível para várias línguas e em diferentes plataformas, desde computadores pessoais a dispositivos inteligentes; no entanto, para a língua iorubá - falada por mais de 30 milhões de pessoas de uma população nigeriana de 150 milhões -, ainda não foi totalmente desenvolvida. Por conseguinte, é necessário desenvolver um sistema deste tipo. Existem várias técnicas que podem ser utilizadas, incluindo a síntese formântica, a síntese articulatória, a síntese concatenativa, etc., mas, para este trabalho, foi utilizado o método concatenativo. A síntese concatenativa baseia-se na concatenação, ou seja, na união de segmentos de partes do discurso gravadas. As sílabas iorubás serviram como unidades básicas de concatenação e foram escritas na linguagem de programação C#, implementada no .NET Framework; a base de dados de sílabas iorubás foi combinada com a base de dados correspondente de sílabas sonoras iorubás gravadas, de modo a permitir uma pronúncia sonora significativa.