漢語(yǔ)語(yǔ)音合成與轉(zhuǎn)換關(guān)鍵技術(shù)研究.pdf

1、語(yǔ)言是人類進(jìn)行溝通和交流的一種最便捷方式，語(yǔ)音是語(yǔ)言的一種形式。語(yǔ)音合成與轉(zhuǎn)換是語(yǔ)音信號(hào)處理的重要分支，得到了廣泛的應(yīng)用。語(yǔ)音預(yù)處理是語(yǔ)音合成與轉(zhuǎn)換的重要組成部分，其結(jié)果直接影響合成和轉(zhuǎn)換語(yǔ)音的質(zhì)量。然而語(yǔ)音預(yù)處理、語(yǔ)音合成與轉(zhuǎn)換算法仍然存在一些不足和有待解決的問(wèn)題，如含噪語(yǔ)音清濁音分類準(zhǔn)確度不是很高、協(xié)同發(fā)音現(xiàn)象沒(méi)有很好地得到解決、合成與轉(zhuǎn)換語(yǔ)音的自然度不能令人滿意等。語(yǔ)音合成與轉(zhuǎn)換的關(guān)鍵技術(shù)是語(yǔ)音預(yù)處理、小語(yǔ)料庫(kù)的語(yǔ)音合成與轉(zhuǎn)換，本

2、文研究上述相關(guān)算法，解決了合成與轉(zhuǎn)換語(yǔ)音清晰度、自然度低的問(wèn)題，提高了合成與轉(zhuǎn)換語(yǔ)音的質(zhì)量。
　　在語(yǔ)音預(yù)處理方面，針對(duì)以往清、濁音分類算法的不足，提出基于Mel子帶能量高斯混合模型的分類算法，該算法采用Mel頻率來(lái)計(jì)算語(yǔ)音信號(hào)在頻譜各子帶能量分布比例，作為特征來(lái)建立高斯混合模型，計(jì)算各類語(yǔ)音信號(hào)對(duì)應(yīng)高斯混合模型的最大后驗(yàn)概率，對(duì)語(yǔ)音信號(hào)進(jìn)行清、濁音分類，仿真實(shí)驗(yàn)證明了該算法的有效性。針對(duì)基音檢測(cè)存在的問(wèn)題，提出了幅值補(bǔ)償?shù)腁MD

3、F基音檢測(cè)算法，降低了由于語(yǔ)音信號(hào)幅值衰減而造成的檢測(cè)誤差，仿真實(shí)驗(yàn)表明，該方法具有更高的基音檢測(cè)準(zhǔn)確度。
　　在語(yǔ)音合成方面，考慮到自然語(yǔ)音存在協(xié)同發(fā)音的現(xiàn)象，提出了波形拼接和參數(shù)合成相結(jié)合的算法--頻譜能量過(guò)渡協(xié)同發(fā)音語(yǔ)音合成算法和共振峰過(guò)渡協(xié)同發(fā)音語(yǔ)音合成算法。第一種算法是根據(jù)協(xié)同發(fā)音過(guò)程中頻譜能量連續(xù)過(guò)渡這一現(xiàn)象，通過(guò)調(diào)整協(xié)同發(fā)音上下段音素對(duì)應(yīng)的頻帶能量進(jìn)行協(xié)同發(fā)音語(yǔ)音合成；第二種算法是根據(jù)協(xié)同發(fā)音過(guò)程中共振峰連續(xù)過(guò)渡現(xiàn)象

4、，通過(guò)對(duì)共振峰位置、幅值、帶寬的修改進(jìn)行協(xié)同發(fā)音語(yǔ)音合成。將兩種算法和滑動(dòng)窗拼接協(xié)同發(fā)音語(yǔ)音合成算法進(jìn)行了比較，仿真實(shí)驗(yàn)證明了本文算法的有效性。連續(xù)變調(diào)現(xiàn)象是自然語(yǔ)流中經(jīng)常出現(xiàn)的現(xiàn)象，能否解決此問(wèn)題，直接關(guān)系到詞匯語(yǔ)義的正確理解。提出了決策樹(shù)建模，按照模型進(jìn)行音節(jié)的音高、時(shí)長(zhǎng)等修改的連續(xù)變調(diào)語(yǔ)音合成算法，仿真實(shí)驗(yàn)結(jié)果表明，本算法合成連續(xù)變調(diào)詞匯的可懂度、自然度均高于聲調(diào)模型+基音同步疊加算法。針對(duì)漢語(yǔ)語(yǔ)調(diào)受聲調(diào)，重讀詞匯等影響，難以準(zhǔn)確

5、建模的問(wèn)題，通過(guò)分析聲調(diào)、重讀詞匯等在語(yǔ)調(diào)大波浪中的作用，提出了采用決策樹(shù)對(duì)語(yǔ)調(diào)建模，根據(jù)模型對(duì)音節(jié)進(jìn)行時(shí)長(zhǎng)、音高、能量等修改，進(jìn)行漢語(yǔ)語(yǔ)調(diào)合成的算法，將本算法和句尾基頻曲線調(diào)整語(yǔ)調(diào)合成算法進(jìn)行了比較，仿真實(shí)驗(yàn)證明了算法的有效性。
　　在語(yǔ)音轉(zhuǎn)換方面，針對(duì)語(yǔ)音轉(zhuǎn)換過(guò)程中源、目標(biāo)語(yǔ)音動(dòng)態(tài)時(shí)間規(guī)整出現(xiàn)的匹配誤差問(wèn)題提出了變滑動(dòng)窗語(yǔ)音轉(zhuǎn)換算法，該算法根據(jù)當(dāng)前幀的基音檢測(cè)結(jié)果確定滑動(dòng)窗的寬度，將源話者語(yǔ)音和目標(biāo)話者語(yǔ)音對(duì)齊，采用高斯混合模