三維幾何發(fā)音模型的構建與控制.pdf

1、基于發(fā)音機理的語音合成模型模擬語音生成的發(fā)音運動和空氣動力學過程。我們嘗試構建一個更加精確的發(fā)音運動模型來逼近發(fā)音器官的形態(tài)學特性，從而得到一個更好的發(fā)音合成系統(tǒng)。目前有兩個主流的建模策略:生理模型和幾何模型。本文基于中文數據庫構建三維幾何發(fā)音模型，與神經生理模型相比較，這一幾何模型忽略復雜肌肉力的影響。因此，幾何發(fā)音模型的實時性隨著運算量的減少而得到提高，這使得幾何發(fā)音模型適用于實時性要求比較高的應用。
　　本文提出了一種基于M

2、RI（磁共振成像）和CBCT（錐形束CT）構建三維幾何發(fā)音模型的新方法，由于磁共振成像技術能夠比較清晰地成像出聲道發(fā)音器官輪廓的形狀，并且磁共振成像技術對人體造成的傷害較小，因此越來越多的應用于語音合成研究。由于骨質結構不能在MRI中直接清晰地采集成像，我們采集了CBCT的數據來補充骨質結構的信息，進行上下顎的填補。通過磁共振成像技術采集得到的發(fā)音器官的數據庫，對于構建出聲道模型進而分析不同發(fā)音帶來的聲道發(fā)音器官形狀的變化規(guī)律具有很大的

3、優(yōu)勢。并且以其建立精確的三維聲道模型，進一步對發(fā)音過程的聲道可視化，對于語音教學應用和語音生成機理分析等都具有重要的意義。
　　本文對中文磁共振數據庫中一個受試者的104組發(fā)音數據進行研究，研究方法具體步驟如下:數據庫及其預處理，數據標注以及三維網格建模，數據分析以及驗證評價，碰撞檢測以及響應。線性成分分析方法結果顯示，每個發(fā)音器官可以用三個以內參數來很好地進行描述，并且參數控制集的累積貢獻率高于80％。用此分析結果對各個發(fā)音器官

4、進行重構而得到的均方根誤差均小于1.0mm。
　　本文創(chuàng)新點在于提出了一種新穎的三維聲道發(fā)音器官建模方法，其中我們考慮了發(fā)音器官的生理邊界點，建模過程有兩個主要的改進，融合不同切片的數據來提升發(fā)音器官輪廓的標注精確性以及根據發(fā)音器官的解刨結構來建立發(fā)音器官的三維網格。這樣既保證了發(fā)音器官的完整性，又保留了發(fā)音器官上生理特征點的對應性。
　　最后，本文構建了基于漢語發(fā)音數據的三維幾何發(fā)音模型，這對于漢語的語音語言教學，漢語普通