230235 Modellierung von Persönlichkeitsattributen in der Sprachsynthese (S) (WiSe 2019/2020)

Sprachsyntheseanwendungen gehen längst über die reine Vermittlung von Informationen hinaus. Beispielsweise dienen sie in Smartphones als persönliche Assistenten (z.B. [1], [2]), lesen in Kindergärten und Schulen Kindern vor ([3]) oder bringen Ihnen spielerisch Fremdsprachen bei ([4]). Des Weiteren werden Roboter entwickelt, um der Vereinsamung von Menschen entgegenwirken ([5]), indem sie ein kommunikatives, interaktives Gegenüber darstellen. Interaktive Systeme werden also in vielen Bereichen als intelligente Kommunikationspartner designt, die durch den Ausdruck von Persönlichkeitsattributen unterschiedliche soziale Interaktionen erfolgreich meistern. Aufgrund dieses Anforderungsprofils rücken in Industrie und Forschung bezüglich Sprachsyntheseanwendungen vermehrt diejenigen Aspekte von Sprache in den Mittelpunkt, die einem System Persönlichkeit verleihen.

Dieses Seminar befasst sich mit ebendiesen Aspekten der lautlichen Kommunikation sowie ihrer künstlichen Generierung. Anhand aktueller Forschungsliteratur werden zunächst lautliche Ausdrucksmuster verschiedener Persönlichkeitsmerkmale erarbeitet und diskutiert, welche anschließend in Sprachsynthesesystemen nachgebildet werden sollen. Die Studierenden werden hierbei mit verschiedenen Ansätzen und Standards in der Sprachsynthese vertraut gemacht und werden selbstständig Implementierungen in den jeweiligen Ansätzen vornehmen. Durch die Verbindung von theoretischen Grundlagen und praktischen Implementierungen sollen die Studierenden einen Einblick in die Möglichkeiten und Grenzen aktueller Sprachsynthesesysteme gewinnen und eine Einschätzung der Herausforderungen bei der Umsetzung von Persönlichkeitsmerkmalen in der Sprachsynthese entwickeln.

[1] https://www.apple.com/de/siri/
[2] https://www.microsoft.com/de-de/windows/cortana
[3] Theune, M., Meijs, K., Heylen, D., & Ordelman, R. (2006). Generating expressive speech
for storytelling applications. IEEE Trans. Audio, Speech & Language Processing, 14(4),
1137-1144.