基于數(shù)據(jù)挖掘的漢語韻律建模研究.pdf

1、隨著多媒體通信技術(shù)的不斷發(fā)展,人們對信息獲取的方式和內(nèi)容提出了越來越高的要求.語聲信息服務以其方便、直接的優(yōu)點受到了通信領域的廣泛青睞.作為人機語音通信的一個重要方面的語音合成技術(shù)是否可以達到實用的要求關鍵在于其自然度是不是和真人接近.而合成語音是否自然最主要的標志就是合成語音的韻律是不是和自然人說話時的韻律想吻合,這也是語音合成技術(shù)中最重要的核心技術(shù)之一.該文在漢語語音合成系統(tǒng)中需要使用的基頻和時長模型均進行了深入研究.基頻和時長是韻

2、律特征中最重要的兩個特征,該文利用基本的統(tǒng)計學方法和數(shù)據(jù)挖掘方法,對基于語音學規(guī)律的Target基頻模型以及SoP時長模型中高層韻律描述和模型參數(shù)之間的關系,進行了詳細的統(tǒng)計和分析.在分析過程中,分別解決了數(shù)據(jù)稀疏和屬性間相互作用的問題;在數(shù)據(jù)挖掘方法上,利用了CART樹和非線性回歸方法的特點,訓練過程中采用一系列的方法保證了數(shù)據(jù)挖掘效果.文本利用3500句左右的漢語自然語流建立了系統(tǒng)的基頻模型和時長模型.并且在此基礎上,完成了一個大語

3、料庫合成系統(tǒng)KB3.0.通過對系統(tǒng)的效果評測驗證了韻律模型的良好效果.該文主要包括以下幾方面的內(nèi)容:(1)介紹了基本的統(tǒng)計學方法(均值比較,單因子方差分析,多元非線性回歸)和數(shù)據(jù)挖掘方法(CART)的基本原理和技術(shù)特點.(2)介紹了Target基頻模型的基本思想,在大語料庫上生成Target模型參數(shù)作為訓練集,通過CART樹的方法訓練出可以使用的Target基頻模型.(3)介紹了SoP時長模型的基本思想,通過大量的統(tǒng)計分析工作確定了時長

4、模型中各個屬性的影響和其中的相互關系,對連續(xù)語流數(shù)據(jù)庫建立了聲韻母時長模型.(4)在Target基頻模型和SoP時長模型的基礎上,設計并實現(xiàn)了KB3.0大語料庫語音合成系統(tǒng),在韻律的普適性等方面具有顯著的提高,整體效果達到了相當?shù)乃?以KB3.0語音合成系統(tǒng)為核心所完成的InterPhonic語音平臺產(chǎn)品和行業(yè)解決方案,已經(jīng)在社會生活的眾多領域得到了廣泛的應用.語音技術(shù)作為一種溝通的技術(shù),通過在韻律研究方面的不斷進步,已經(jīng)越來越多的應