漢語(yǔ)可視文語(yǔ)轉(zhuǎn)換系統(tǒng)研究與實(shí)現(xiàn).pdf

1、隨著計(jì)算機(jī)技術(shù)的進(jìn)步和其他相關(guān)學(xué)科的發(fā)展，語(yǔ)音合成技術(shù)有了迅猛的發(fā)展，涌現(xiàn)了大量的新理論和新技術(shù)。與此同時(shí)人們對(duì)語(yǔ)音合成提出了更高要求。人類對(duì)語(yǔ)言的理解是多模態(tài)的，不儀聽語(yǔ)音，而且用眼睛去觀察說話人的面部表情。如果在合成語(yǔ)音的同時(shí)能給出一個(gè)“講話的頭”，即可表現(xiàn)說話者面部各器官動(dòng)作的頭像，可進(jìn)一步提高人機(jī)交互的友好性和方便性。
　　 本文的重點(diǎn)主要放在三維人臉模型的構(gòu)建和漢語(yǔ)語(yǔ)音視位的研究?jī)蓚€(gè)方面。首先利用第三方軟件建立人臉模型

2、，在vC++條件下使用OpenGl.(Open Graphics Library)，即開放性圖形庫(kù)編程完成模型的讀取與重現(xiàn)。對(duì)于三維建模工具數(shù)據(jù)量較大的情況，采用細(xì)節(jié)層次算法進(jìn)行簡(jiǎn)化，刪除不必要的邊、線、面，得到人臉的最初模型，并在該模型的基礎(chǔ)上建立本文所需要的標(biāo)準(zhǔn)人臉模型。得到人臉模型后，給人臉模型加上紋理，使模型具有皮膚、眼睛、頭發(fā)等人臉特征，提高人臉的真實(shí)性。
　　 在語(yǔ)音的可視化方面，本文根據(jù)漢語(yǔ)拼音的構(gòu)成及發(fā)音時(shí)的唇動(dòng)

3、特點(diǎn)，首先定義一個(gè)基本口型集，包括11個(gè)基本口型（10個(gè)韻母口型和1個(gè)聲母口型），再根據(jù)該基本口型集，衍生一個(gè)韻母口型庫(kù)，使每一個(gè)漢字在發(fā)音時(shí)都對(duì)應(yīng)著相應(yīng)的口型。為了口型描述的通用性和靈活性，采用了MPEG-4所定義的FAP參數(shù)來描述基本口型。通過對(duì)人類發(fā)音的研究，選擇了其中24個(gè)與發(fā)音有直接關(guān)系的FAP參數(shù)來描述基本口型。得到口型的FAP參數(shù)值后，利用FAP參數(shù)值驅(qū)動(dòng)三維人臉模型就可以得到相應(yīng)的口型，從而得到所需的漢語(yǔ)口型庫(kù)。