普通話合成基元數(shù)據(jù)庫的設計與搜索.pdf

1、隨著人機語音通信的發(fā)展，語音合成系統(tǒng)成為了當前研究的熱點。影響合成音質(zhì)的因素包括文本分析技術(shù)、韻律規(guī)則、合成基元數(shù)據(jù)庫質(zhì)量以及拼接技術(shù)等。本文主要研究普通話合成基元數(shù)據(jù)庫的設計與搜索，數(shù)據(jù)庫的基元是直接從自然語音中截取的，且擁有多個樣本，包含了足夠的韻律和譜變化。由于合成時根據(jù)搜索算法，挑選拼接代價最小的樣本直接拼接，避免了采用信號處理技術(shù)修飾韻律對音質(zhì)的損害，所以最大限度的保留了語音的自然度。 為了確定合適的基元，在此我們

2、對不同種類基元的語音學特點進行了分析。 由于普通話是基于音節(jié)的語言，有規(guī)則的CV(Consonant+Vowel)結(jié)構(gòu)音節(jié)，同一個音節(jié)的音素之間有很強的協(xié)同發(fā)音，而音節(jié)邊界音素之間的協(xié)同發(fā)音相對較弱，因此“帶有聲調(diào)的音節(jié)”被選為合成基元。 通過對普通話發(fā)音特點的分析，將音節(jié)的韻律特征用一個五維語境向量DCVV(Descriptive Contextual Variation vector)來表示。為了在拼接時搜索出恰當韻律的基

3、元，我們設定并優(yōu)化了語境向量元素距離表。設計過程同樣基于普通話的發(fā)音特點，考慮到語音的平均拼接代價和平均意見得分有較強的關(guān)聯(lián)，因而對語境向量距離表的優(yōu)化通過提高AvCCost和MOS的相關(guān)系數(shù)來實現(xiàn)。這里采用少量數(shù)據(jù)進行了Matlab仿真實驗，結(jié)果證明該優(yōu)化方法是可行的。 我們還將GSM 13kb/s RPE-LTP和ADPCM兩種語音壓縮編碼方法用于基元庫，進一步減小了數(shù)據(jù)庫容量?？梢愿鶕?jù)速率和語音質(zhì)量需求選擇不同的壓縮算