fa تولید تمام واکه‌های زبان فارسی با در اختیار داشتن تنها یک کلمه از گوینده هدف آوصوتیّات Hydroacoustics پژوهشي Research <div align="justify" style="direction: rtl">از جدی‌ترین تنگناها در تبدیل گفتار، نیاز به تعداد بالایی از جملات گوینده هدف برای آموزش سامانه تبدیل گفتار است. شیوه‌های تبدیل موازی گفتار نیازمند حداقل 50 الی 200 و شیوه‌های تبدیل غیرموازی نیازمند چندین برابر این تعداد جمله از گوینده هدف هستند. این تحقیق شیوه‌ای را معرفی می‌کند که با کمک آن با داشتن تنها یک کلمه از گوینده هدف، تمام واکه‌های زبان فارسی از آن گوینده تولید می‌شوند. چون در هر کلمه حداقل یک هجا و در هر هجا یک واکه وجود دارد. هر کلمه از گوینده هدف حداقل حاوی یک هجا است. اندیشه اصلی تحقیق طراحی ترادیس‌هایی (تبدیلاتی) مستقیم بین یک واکه و سایر واکه‌ها و تولید مستقیم تمام واکه‌ها از روی آن است. بر این اساس با تولید یک مجموعه ترادیس‌ها (تبدیلات) که به صورت برون‌خط آموزش می‌بینند، می‌توان از روی یک واکه مابقی واکه‌ها را تولید کرد. با توجه به اینکه در زبان فارسی 6 واکه وجود دارد، در عمل به طراحی 30 ترادیس (تبدیل) نیاز است. این ترادیس‌ها (تبدیلات) با استفاده از توابع گوسی شرطی طراحی و پیاده‌سازی و با استفاده از 10 گوینده آموزشی به‌صورت باسرپرستی آموزش داده شدند. براساس معیار فاصله دُش‌پیچی (اعوجاج)، میانگین فاصله واکه‌های ابداعی از این شیوه و واکه‌های واقعی برابر با 0/4459 است.</div> <p>One of the most serious bottlenecks of voice conversion is the need of high number of training sentences from target speaker. Parallel voice conversion methods need 50 to 200 training sentences and nonparallel conversion methods need several times of it. In this research, a new method for construction of all Persian language vowels only with one training word of target speaker is introduced. In each word there is at least one syllable and in each syllable there is one vowel. Basic idea of research is designing direct transformations between each vowel and other vowels. Based on this idea, by offline training of sets of transformations, it is possible to construct all vowels from one arbitrary vowel. In Persian language there are 6 vowels. Because of it, 30 of such mentioned transformations must be designed. These transformations were designed with Gaussian conditional functions and trained by 10 speakers in supervised manner. With distortion distance criterion, average distance between real and artificial vowels was 0.4459.</p> تبدیل واکه, تبدیل گفتار, آموزش غیرموازی Vowel Conversion, Voice Conversion, Nonparallel Training 41 52 http://joasi.ir/browse.php?a_code=A-10-41-1&slc_lang=fa&sid=1 M.J. Jannati محمدجواد جنتی mjannati@aut.ac.ir 1003194753284600412 1003194753284600412 No A. Saiadian ابوالقاسم صیادیان sayadian@aut.ac.ir 1003194753284600413 1003194753284600413 Yes