基于隱馬爾可夫模型的跨語種語音合成方法研究.pdf

1、語言合成是用人工的方式產(chǎn)生人類語音從而賦予計算機(jī)如人一般自如說話的能力，目前的語音合成研究大多集中在文語轉(zhuǎn)換(Text-To-Speech，TTS)這一階段，即將一般語言的文字轉(zhuǎn)換為語音。這些年來，隨著語音技術(shù)的飛速發(fā)展，語音合成技術(shù)越加趨于成熟，合成的語音在音質(zhì)和自然度上都有了明顯的提高。然而，如何進(jìn)一步提高語音合成系統(tǒng)的性能，使計算機(jī)合成出的聲音更加的清晰與自然一直是語音合成研究領(lǐng)域的焦點問題。此外，隨著國際交流的日益頻繁，在國際交

2、往中只用單一語種進(jìn)行溝通往往已經(jīng)不能滿足人們的需求，有著對跨語種語音合成系統(tǒng)的迫切需要。在缺乏目標(biāo)語種數(shù)據(jù)的情況下如何完成跨語種的說話人自適應(yīng)，進(jìn)而實現(xiàn)跨語種的語音合成系統(tǒng)以方便人們的國際交流與溝通，正是本文研究工作的重心所在。本研究分為五個部分：
　　 第一章簡略地敘述了本文的研究背景。首先介紹了跨語種語音合成技術(shù)的技術(shù)需求與應(yīng)用背景，接著介紹了現(xiàn)有的幾種主流語音合成方法，最后對本文的主要研究方向----基于HMM模型的跨語種

3、語音合成技術(shù)相關(guān)的概念與方法進(jìn)行了大致的說明。
　　 第二章的前半部分主要是在介紹目前最為常用的基于HMM模型的可訓(xùn)練語音合成技術(shù)（Trainable TTS）的基本框架流程和關(guān)鍵技術(shù)點，后半部分則詳細(xì)描述了這種語音合成系統(tǒng)基礎(chǔ)上的同語種說話人模型自適應(yīng)技術(shù)框架及相關(guān)算法。這兩方面內(nèi)容是本文研究工作的基礎(chǔ)所在，也是后續(xù)章節(jié)研究內(nèi)容的基本出發(fā)點。
　　 第三章介紹了對第二章中系統(tǒng)的改進(jìn)工作。這里從參數(shù)語音合成系統(tǒng)中與語種最

4、為相關(guān)的模塊——基于決策樹的模型聚類入手，著力研究如何改善現(xiàn)有基線系統(tǒng)的合成效果。研究中分別考查了決策樹構(gòu)建中挑選分裂問題的不同指導(dǎo)準(zhǔn)則、判斷分裂停止的不同條件準(zhǔn)則及它們的不同組合對最終聚類效果和合成語音的影響。
　　 第四章主要從音素映射的思路出發(fā)來實現(xiàn)中英文跨語種的語音合成模型自適應(yīng)。在跨語種的說話人模型自適應(yīng)中，針對簡單的音素映射效果不佳的問題，結(jié)合自適應(yīng)數(shù)據(jù)的挑選，修正并改進(jìn)了中英文音素映射表，同時通過中英文間的調(diào)型映射