基于隱馬爾可夫模型的跨語(yǔ)種語(yǔ)音合成研究.pdf

1、隨著國(guó)際化社會(huì)的發(fā)展，僅僅一種語(yǔ)言已不能滿足不同語(yǔ)言國(guó)家的人們之間的交流需求，而且并不是每個(gè)人都能短時(shí)間內(nèi)熟練掌握多種語(yǔ)言，故而跨語(yǔ)種語(yǔ)音合成的產(chǎn)品應(yīng)用需求急劇增加。隨著統(tǒng)計(jì)參數(shù)語(yǔ)音合成技術(shù)的發(fā)展，尤其是基于HMM的語(yǔ)音合成技術(shù)，跨語(yǔ)種語(yǔ)音合成的研究取得了一定的進(jìn)展。
　　若想將跨語(yǔ)種語(yǔ)音合成應(yīng)用于產(chǎn)品中，必須構(gòu)建一個(gè)速度快、精簡(jiǎn)的語(yǔ)音合成系統(tǒng)，而實(shí)際上滿足要求的中英文語(yǔ)音合成系統(tǒng)較少。對(duì)于特定說(shuō)話人的跨語(yǔ)種語(yǔ)音的合成，有研究者提

2、出的基于音素的跨語(yǔ)種語(yǔ)音合成技術(shù)，來(lái)解決語(yǔ)料短缺的問(wèn)題。雖然它能夠合成特定說(shuō)話人跨語(yǔ)種語(yǔ)音，但是對(duì)于中英文來(lái)說(shuō)，兩種語(yǔ)言的音素差異太大，合成語(yǔ)音的效果不盡人意。而后來(lái)有人提出基于狀態(tài)映射的跨語(yǔ)種語(yǔ)音合成方法，效果較好，該方法具有很大的研究與應(yīng)用價(jià)值。本文在前人的研究成果基礎(chǔ)上，主要做了以下一些工作:
　　(1)本文以Flite+hts_engine為參考，在分析文本分析的各個(gè)模塊的基礎(chǔ)上，對(duì)英文合成軟件Flite+hts_engi

3、ne進(jìn)行了一定的改進(jìn)，包括文本預(yù)處理、句子結(jié)構(gòu)調(diào)整以及數(shù)字化處理等等。改進(jìn)后的系統(tǒng)，在保證合成語(yǔ)音質(zhì)量幾乎不變的情況下，減少了整個(gè)系統(tǒng)運(yùn)行所需的內(nèi)存空間，運(yùn)行速度更快、系統(tǒng)占用空間更小，是嵌入式平臺(tái)下英文語(yǔ)音合成的一種更好的選擇。
　　(2)本文在SYN6658的中文TTS的基礎(chǔ)上，結(jié)合改進(jìn)的英文合成技術(shù)，經(jīng)過(guò)分析比較中文TTS和英文TTS的特性之后，提出了一種構(gòu)建簡(jiǎn)單快速、占用空間小的中英文語(yǔ)音合成系統(tǒng)的方法。構(gòu)建的中英文語(yǔ)音合

4、成系統(tǒng)能夠?qū)崟r(shí)快速地合成出中英文語(yǔ)音，系統(tǒng)簡(jiǎn)單、易實(shí)現(xiàn)且合成效果較好，是中英文語(yǔ)音合成產(chǎn)品的較好選擇。
　　(3)本文以基于狀態(tài)映射的中英跨語(yǔ)種自適應(yīng)方法為研究對(duì)象，比較分析了MLLR、CMLLR、SMAPLR即CSMAPLR算法的性能，然后將狀態(tài)映射應(yīng)用于跨語(yǔ)種自適應(yīng)中，并對(duì)自適應(yīng)中兩種使用狀態(tài)映射信息的方式進(jìn)行了比較分析。通過(guò)實(shí)驗(yàn)發(fā)現(xiàn)，基于狀態(tài)映射的自適應(yīng)方法具有一定的效果，CSMAPLR算法優(yōu)于CMLLR算法，而且兩種方式各