Please use this identifier to cite or link to this item:
https://dspace.sti.ufcg.edu.br/handle/riufcg/48507| Title: | Incorporando regionalismos e sotaques em modelos abertos de síntese de fala. |
| Other Titles: | Incorporating regionalisms and accents into open-source speech synthesis models. |
| ???metadata.dc.creator???: | MORAIS, Thomaz Diniz Pinto de. |
| ???metadata.dc.contributor.advisor1???: | GOMES, Herman Martins. |
| ???metadata.dc.contributor.referee1???: | ARAÚJO, Joseana Macêdo Fechine Régis de. |
| ???metadata.dc.contributor.referee2???: | OLIVEIRA, Frederico Santos de. |
| Keywords: | Aprendizagem profunda;Português brasileiro;Ajuste fino;Sotaque regional;Síntese de fala;Deep learning;Brazilian Portuguese;Fine tuning;Regional accent;Speech synthesis |
| Issue Date: | 24-Aug-2026 |
| Publisher: | Universidade Federal de Campina Grande |
| Citation: | MORAIS, Thomaz Diniz Pinto de. Incorporando regionalismos e sotaques em modelos abertos de síntese de fala. 2026. 198 f. Dissertação (Mestrado em Ciência da Computação) Programa de Pós-Graduação em Ciência da Computação, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande, Paraíba, Brasil, 2026. |
| ???metadata.dc.description.resumo???: | Modelos abertos de síntese de fala apresentam limitações quanto à diversidade de sotaques regionais do português brasileiro. Esta dissertação investiga a incorporação do sotaque paraibano em três arquiteturas (XTTS, FishSpeech e Orpheus TTS), comparando três estratégias de adaptação: clonagem de voz, ajuste fino e treinamento a partir de pesos aleatórios. Experimentos exploratórios evidenciaram limitações práticas da clonagem de voz e do treinamento a partir de pesos aleatórios, e o ajuste fino, identificado como a alternativa mais promissora, foi validado sistematicamente. Para isso, foi construído o corpus FALA_PB, com cerca de 111 horas de fala paraibana organizadas em segmentos curtos, cada um pareado à respectiva transcrição em nível de sentença. O corpus agrega dados de bases pré-existentes (CoLingPB, Braccent e Sotaque Brasileiro) e de uma coleta colaborativa própria; em especial, as entrevistas do CoLingPB foram adaptadas para a tarefa de síntese, sendo os áudios segmentados em sentenças, recortados automaticamente com FFmpeg e filtrados por qualidade acústica. Os modelos ajustados com esta base foram avaliados por indicadores automáticos de qualidade e inteligibilidade e por avaliação subjetiva com 56 ouvintes. Os resultados indicam que o ajuste fino foi eficaz: o sotaque paraibano foi percebido como mais presente nos modelos ajustados em cerca de 88% a 90% das respostas, sem redução perceptível de qualidade, com destaque para o XTTS, que obteve o melhor desempenho geral. Como contribuições da dissertação, são fornecidos todos os artefatos de código e dados desenvolvidos, além de um protocolo reprodutível de avaliação, ampliando a representatividade regional na síntese de fala aberta para o português brasileiro e contribuindo com futuras pesquisas que objetivem a síntese automática de regionalismos e sotaques de outras regiões brasileiras. |
| Abstract: | Open-weight speech synthesis models show limitations regarding the diversity of regional accents of Brazilian Portuguese. This dissertation investigates the incorporation of the Paraíba accent into three architectures (XTTS, FishSpeech, and Orpheus TTS), comparing three adaptation strategies: voice cloning, fine-tuning, and training from scratch. Exploratory experiments revealed practical limitations of voice cloning and training from scratch, and fine-tuning, identified as the most promising alternative, was systematically validated. To this end, the FALA_PB corpus was built, with about 111 hours of Paraíba-accented speech organized into short segments, each paired with its corresponding sentence-level transcription. The corpus aggregates data from pre-existing databases (CoLingPB, Braccent, and Sotaque Brasileiro) and from a dedicated collaborative collection; in particular, the CoLingPB interviews were adapted for the synthesis task, with the audios segmented into sentences, automatically cut with FFmpeg, and filtered by acoustic quality. The fine-tuned models were evaluated through automatic indicators of quality and intelligibility and through a subjective evaluation with 56 listeners. The results indicate that fine-tuning was effective: the Paraíba accent was perceived as more present in the fine-tuned models in about 88% to 90% of the responses, with no perceptible loss of quality, with XTTS achieving the best overall performance. As contributions of this dissertation, all developed code and data artifacts are provided, in addition to a reproducible evaluation protocol, broadening regional representation in open speech synthesis for Brazilian Portuguese and supporting future research aimed at the automatic synthesis of regionalisms and accents from other Brazilian regions. |
| Keywords: | Aprendizagem profunda Português brasileiro Ajuste fino Sotaque regional Síntese de fala Deep learning Brazilian Portuguese Fine tuning Regional accent Speech synthesis |
| ???metadata.dc.subject.cnpq???: | Ciência da Computação |
| URI: | https://dspace.sti.ufcg.edu.br/handle/riufcg/48507 |
| Appears in Collections: | Mestrado em Ciência da Computação. |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| THOMAZ DINIZ PINTO DE MORAIS - DISSERTAÇÃO - (PPGCC) 2026.pdf | 7.19 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.
