Alessia Gianolla
Sintesi vocale espressiva per Virtual Humans = Emotional Text-to-Speech for Virtual Humans.
Rel. Andrea Bottino, Francesco Strada, Stefano Calzolari. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Del Cinema E Dei Mezzi Di Comunicazione, 2026
|
Preview |
PDF (Tesi_di_laurea)
- Tesi
Licenza: Creative Commons Attribution Non-commercial No Derivatives. Download (4MB) | Preview |
Abstract
I virtual humans risultano tanto più efficaci quanto più l'utente li percepisce come credibili, e in questo la voce ha un ruolo centrale: oltre alla naturalezza e a una latenza contenuta, è anche l'espressività emotiva del parlato a sostenere il senso di presenza ed evitare che l'interlocutore ne avverta l'artificiosità. Nonostante i progressi della sintesi vocale (Text-to-Speech, TTS), permane una forte carenza di soluzioni open source in lingua italiana integrabili nativamente in motori come Unity e dotate di controlli per la modulazione emotiva: una lacuna che costringe di fatto a dipendere da servizi cloud a pagamento. Il presente lavoro propone una pipeline TTS che opera interamente all'interno di Unity, eliminando la dipendenza da server esterni.
Tra le soluzioni analizzate la scelta è ricaduta su Qwen3-TTS-0.6B, che ha mostrato capacità promettenti nella sintesi del parlato italiano
Relatori
Anno Accademico
Tipo di pubblicazione
Numero di pagine
Corso di laurea
Classe di laurea
URI
![]() |
Modifica (riservato agli operatori) |
