漢藏雙語跨語言統(tǒng)計(jì)參數(shù)語音合成的研究.pdf

1、近年來，多語種語音信息處理成為了智能語音信息處理中的重要研究方向。其中，由于跨語言的語音合成能夠利用同一個(gè)語音合成系統(tǒng)合成出不同語言的語音，成為了目前的研究熱點(diǎn)。中國是一個(gè)少數(shù)民族語言和方言眾多的國家，跨語言語音合成技術(shù)的研究對(duì)促進(jìn)方言和民族語言語音技術(shù)的發(fā)展有著重要的意義。但是，目前國內(nèi)外的研究中，并沒有一個(gè)完整的普通話/民族語言或普通話/方言的多語種語音合成系統(tǒng)。本文選取了漢語普通話和藏語拉薩方言作為研究對(duì)象，研究了兩種語言在發(fā)音上

2、的特點(diǎn)及共性，設(shè)計(jì)了普通話和藏語通用的標(biāo)音方案、語音基元的語境信息標(biāo)注格式以及對(duì)聲學(xué)模型進(jìn)行決策樹聚類的問題集。在此基礎(chǔ)上，利用一個(gè)多說話人的普通話語料庫和一個(gè)單說話人的藏語拉薩方言語料庫，將說話人自適應(yīng)訓(xùn)練引入基于隱Markov模型（Hidden Markov Model，HMM）的語音合成方法中，訓(xùn)練獲得了一個(gè)混合語言的平均音模型；之后，再利用待合成藏語或漢語的少量訓(xùn)練語句，采用說話人自適應(yīng)變換算法獲得藏語或者普通話的說話人相關(guān)模型

3、，最終合成出藏語或漢語語音，實(shí)現(xiàn)了漢藏雙語跨語言語音合成系統(tǒng)。論文的主要工作和創(chuàng)新如下：
　　1.設(shè)計(jì)了一套面向統(tǒng)計(jì)參數(shù)語音合成的藏漢雙語的機(jī)讀音標(biāo)方案。從聲母、韻母和聲調(diào)等方面對(duì)藏語和漢語的發(fā)音特點(diǎn)做了對(duì)比研究，找出了兩者在發(fā)音上的共性，利用國際通用的機(jī)讀音標(biāo)，設(shè)計(jì)了一套漢藏雙語的機(jī)讀音標(biāo)，實(shí)現(xiàn)了文本到字音的轉(zhuǎn)換。
　　2.設(shè)計(jì)了一套面向統(tǒng)計(jì)參數(shù)語音合成的漢藏雙語的上下文相關(guān)的標(biāo)注格式。標(biāo)注格式包括聲韻母層、音節(jié)層、詞層、

4、韻律詞層、韻律短語層和語句層6層，用來標(biāo)注藏語或者漢語語句中的每個(gè)聲韻母的語境信息。同時(shí)，設(shè)計(jì)了涵蓋兩種語言語音特色的決策樹問題集，用于聲學(xué)模型的訓(xùn)練過程中對(duì)模型的聚類。
　　3.提出了一種利用說話人自適應(yīng)訓(xùn)練實(shí)現(xiàn)漢藏雙語跨語言語音合成的方法。利用一個(gè)多說話人的普通話語料和一個(gè)單說話人的藏語語料，在HMM模型的訓(xùn)練中引入說話人自適應(yīng)訓(xùn)練，得到一個(gè)語言無關(guān)的平均音模型；然后采用1個(gè)藏語說話人的訓(xùn)練語料或者1個(gè)普通話說話人的訓(xùn)練語料，