(EN) Systems and processes for performing unit- selection text-to- speech synthesis are provided. In an example process, text to be converted to speech is received. The text is represented as a sequence of target units. A plurality of candidate speech segments corresponding to the sequence of target units are selected. Predicted statistical parameters of acoustic features associated with the sequence of target units are determined. The predicted statistical parameters of acoustic features are used to determine target costs and concatenation costs associated with the plurality of candidate speech segments. Based on a combined cost determined from the target costs and concatenation costs, a subset of candidate speech segments is selected from the plurality of candidate speech segments. Speech corresponding to the received text is generated using the subset of candidate speech segments.
(FR) L'invention concerne des systèmes et des procédés permettant d'effectuer une synthèse texte-parole à sélection d'unités. Dans un exemple de processus, le texte devant être converti en parole est reçu. Le texte est représenté sous la forme d'une séquence d'unités cibles. Une pluralité de segments de parole candidats correspondant à la séquence d'unités cibles est sélectionnée. Des paramètres statistiques prédits de caractéristiques acoustiques associées à la séquence d'unités cibles sont déterminés. Les paramètres statistiques prédits des caractéristiques acoustiques sont utilisés pour déterminer des coûts cibles et des coûts de concaténation associés à la pluralité de segments de parole candidats. Sur la base d'un coût combiné déterminé à partir des coûts cibles et des coûts de concaténation, un sous-ensemble de segments de parole candidats est sélectionné parmi la pluralité de segments de parole candidats. La parole correspondant au texte reçu est générée à l'aide du sous-ensemble de segments de parole candidats.