Sviluppo di un sistema sintesi vocale per la lingua yoruba

La sintesi vocale è la produzione artificiale del parlato umano; un sistema informatico utilizzato a questo scopo è chiamato sintetizzatore vocale e può essere implementato sia a livello software che hardware. Un sistema di sintesi vocale (Text-to-Speech, TTS) converte un testo scritto in linguaggio naturale in discorso parlato. Negli ultimi anni, questa tecnologia è stata ampiamente resa disponibile per diverse lingue e su diverse piattaforme, dai personal computer ai dispositivi smart; tuttavia, per la lingua yoruba, parlata da oltre 30 milioni di persone su una popolazione nigeriana di 150 milioni, non è stata ancora pienamente sviluppata. Pertanto, è necessario sviluppare un sistema di questo tipo. Esistono diverse tecniche che possono essere utilizzate, tra cui la sintesi formantale, la sintesi articolatoria, la sintesi concatenativa ecc., ma per questo lavoro è stato utilizzato il metodo concatenativo. La sintesi concatenativa si basa sulla concatenazione, ovvero l'unione di segmenti di parti del discorso registrati. Le sillabe yoruba sono state utilizzate come unità di base della concatenazione e, utilizzando il linguaggio di programmazione C# implementato in .NET Framework, il database delle sillabe yoruba scritte è stato unito al corrispondente database delle sillabe yoruba registrate, in modo da ottenere una pronuncia sonora significativa.