漢語語音合成系統(tǒng)及其韻律調(diào)整.pdf

1、目前，語音對話系統(tǒng)、語音呼叫中心、語音觸發(fā)的網(wǎng)站、語音電子郵件服務(wù)等實際應(yīng)用的迅速發(fā)展，掀起了對文語轉(zhuǎn)換(TTS或語音合成技術(shù))需求的一個前所未有的高峰。大量的應(yīng)用需求也促使TTS技術(shù)的研究和開發(fā)邁上了一個新臺階。形成規(guī)?；袌龅膽?yīng)用主要集中在一些有明確領(lǐng)域限定的場合，如航班信息查詢、股票信息查詢、天氣信息查詢等。 無領(lǐng)域限定的語音合成技術(shù)的應(yīng)用不能大規(guī)模走向市場的主要原因是合成語音質(zhì)量還不盡人意。主要表現(xiàn)在兩方面：一是音質(zhì)的差

2、距。語音合成通常是一個從語音中提取參數(shù)，經(jīng)過適當(dāng)變化再生成語音的過程。經(jīng)過語音到參數(shù)再從參數(shù)返回到語音的轉(zhuǎn)換過程，恢復(fù)出來的語音在音質(zhì)上會有明顯的損失，出現(xiàn)雜音、回聲、機器聲等現(xiàn)象。另一方面是韻律的差距，語音合成系統(tǒng)通常只能生成有限的語調(diào)模式，因而使合成語音聽起來很單調(diào)枯燥，而且語音合成系統(tǒng)還可能在節(jié)奏、重音、停頓等方面處理不完美，使合成語音聽起來很別扭。 本文的工作主要是針對這兩個方面所作的改進。音質(zhì)方面的改善著重于語音特征參

3、數(shù)的提取，韻律方面的調(diào)整著眼于合成單元時長的調(diào)節(jié)。本文的對比實驗及相應(yīng)的改進基礎(chǔ)是基于HTS工作組開發(fā)的開源的基于HMM的語音合成系統(tǒng)。 首先，從語料庫中選擇出訓(xùn)練語句，根據(jù)漢語的語音特征，對訓(xùn)練語句進行韻律標(biāo)注，并設(shè)計了用于基頻、譜參數(shù)和時長聚類的上下文屬性和問題集；然后，用目前常用的兩種參數(shù)合成方法，進行譜參數(shù)提取及后期語音合成，作了對比試驗。比較兩種參數(shù)提取方法的合成語音，最終采用的方法是合成音質(zhì)與原始發(fā)音人的音色最為接近