語音合成在語音驗證碼中的應(yīng)用研究.pdf

1、語音合成也稱為TTS(TexttoSpeech)是近年來語音技術(shù)研究的熱點之一。隨著人機交互智能化的日益發(fā)展，語音合成技術(shù)也日趨成熟，其合成出的語音的可懂度和清晰度都達(dá)到了不錯的效果。所以人們產(chǎn)生了對語音合成技術(shù)多樣化的需求，比如說情感語音合成、個性化語音合成、多語言語音合成等，這些都需要通過對語音韻律模型的研究和調(diào)整韻律參數(shù)來實現(xiàn)。
　　本文首先介紹了語音合成和語音信號處理的常用方法及如何進(jìn)行文本分析的方法。其次，重點研究了韻律

2、結(jié)構(gòu)、韻律模型和時長分析。在對語音韻律建模的時候，要先對其進(jìn)行韻律標(biāo)注，常用的有ToBI(ToneofBreakIndex)和SSML(SpeechSynthesisMarkupLanguage)標(biāo)注。著重研究基于規(guī)則的韻律模型，對常用的韻律參數(shù)規(guī)則進(jìn)行了總結(jié)。然后，對時長分析方法做了進(jìn)一步的改進(jìn)。
　　最后，實現(xiàn)了語音合成系統(tǒng)，并把語音合成應(yīng)用到語音驗證碼中。
　　在此基礎(chǔ)之上，本文的主要研究內(nèi)容和工作如下：
　　(

3、1)對語音韻律結(jié)構(gòu)進(jìn)行分析和標(biāo)注，為下一步的韻律模型和合成打下基礎(chǔ)。研究語音合成中的韻律模型，詳細(xì)闡述常用韻律參數(shù)的規(guī)則以及建模方法。重點對時長進(jìn)行分析，研究變速不變調(diào)的關(guān)鍵技術(shù)，并對時長分析做了改進(jìn)。介紹了提取共振峰參數(shù)的方法，然后構(gòu)造合成所需的語音庫，詳細(xì)闡述了合成步驟并最終實現(xiàn)了基于共振峰合成的合成系統(tǒng)。
　　(2)提出了一種基于共振峰合成和韻律調(diào)整的語音驗證碼方法Sound-basedCAPTCHA(CompletelyA

4、utomatedPublicTuringtesttotellComputersandHumanApart)。驗證碼是用來區(qū)分用戶是人類還是機器程序的一種安全機制。常用的驗證碼都是基于圖片的，這些不適合殘障人士使用。近年來也有很多語音驗證碼方面的研究，但是還存在一些不足，很多方法都未考慮如何更好的抵御自動語音識別技術(shù)ASR(AutomaticSpeechRecognition)的攻擊。
　　(3)所提出的方法提高了語音驗證碼的健壯性

5、，彌補了現(xiàn)有語音驗證碼的不足。這種方法選擇最小的語音單位音素作為合成基元，在合成過程中基于規(guī)則調(diào)整韻律參數(shù)，特別是設(shè)置語音參數(shù)為隨機值，使得合成出的語音的速度和韻律具有不確定性和不可預(yù)測性，從而有效降低了自動語音識別技術(shù)ASR對語音驗證碼的識別率，增強了語音驗證碼的魯棒性。
　　(4)對合成出的語音驗證碼分別進(jìn)行人耳識別和ASR識別測試，并通過MOS(MeanOpinionScore)主觀評價和MFCC(Mel-Frequence