基于隱馬爾可夫模型的跨語種語音合成研究.pdf

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

2、出的基于音素的跨語種語音合成技術(shù)，來解決語料短缺的問題。雖然它能夠合成特定說話人跨語種語音，但是對于中英文來說，兩種語言的音素差異太大，合成語音的效果不盡人意。而后來有人提出基于狀態(tài)映射的跨語種語音合成方法，效果較好，該方法具有很大的研究與應(yīng)用價值。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模塊的基礎(chǔ)上，對英文合成軟件Flite+hts_engi

3、ne進行了一定的改進，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。改進后的系統(tǒng)，在保證合成語音質(zhì)量幾乎不變的情況下，減少了整個系統(tǒng)運行所需的內(nèi)存空間，運行速度更快、系統(tǒng)占用空間更小，是嵌入式平臺下英文語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)合改進的英文合成技術(shù)，經(jīng)過分析比較中文TTS和英文TTS的特性之后，提出了一種構(gòu)建簡單快速、占用空間小的中英文語音合成系統(tǒng)的方法。構(gòu)建的中英文語音合

4、成系統(tǒng)能夠?qū)崟r快速地合成出中英文語音，系統(tǒng)簡單、易實現(xiàn)且合成效果較好，是中英文語音合成產(chǎn)品的較好選擇。
　　(3)本文以基于狀態(tài)映射的中英跨語種自適應(yīng)方法為研究對象，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)用于跨語種自適應(yīng)中，并對自適應(yīng)中兩種使用狀態(tài)映射信息的方式進行了比較分析。通過實驗發(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