漢藏雙語(yǔ)合成語(yǔ)音音質(zhì)評(píng)測(cè)的研究.pdf

1、跨語(yǔ)言語(yǔ)音合成能夠?qū)崿F(xiàn)在同一個(gè)語(yǔ)音合成系統(tǒng)中合成出不同語(yǔ)言的語(yǔ)音，成為了語(yǔ)音信號(hào)處理領(lǐng)域的研究熱點(diǎn)。目前，西北師范大學(xué)已經(jīng)實(shí)現(xiàn)了漢語(yǔ)普通話和藏語(yǔ)拉薩方言雙語(yǔ)語(yǔ)音合成系統(tǒng)。為了研究漢藏雙語(yǔ)跨語(yǔ)言語(yǔ)音合成系統(tǒng)合成的不同語(yǔ)言不同說(shuō)話人的語(yǔ)音質(zhì)量?jī)?yōu)劣，本論文實(shí)現(xiàn)了一個(gè)漢藏雙語(yǔ)跨語(yǔ)言的語(yǔ)音合成系統(tǒng)，在此基礎(chǔ)上對(duì)不同語(yǔ)音合成方案下合成出的漢藏雙語(yǔ)語(yǔ)音音質(zhì)進(jìn)行了主客觀評(píng)測(cè)，并提出了一種利用說(shuō)話人識(shí)別和語(yǔ)音識(shí)別對(duì)說(shuō)話人相似度和合成語(yǔ)音音質(zhì)進(jìn)行評(píng)測(cè)的方法

2、。論文的主要工作和創(chuàng)新如下：
　　1.設(shè)計(jì)了漢藏雙語(yǔ)語(yǔ)音合成方案，實(shí)現(xiàn)了一個(gè)漢藏雙語(yǔ)跨語(yǔ)言語(yǔ)音合成系統(tǒng)。設(shè)計(jì)了漢語(yǔ)普通話和藏語(yǔ)拉薩方言的語(yǔ)音語(yǔ)料庫(kù)、文本語(yǔ)料，上下文屬性標(biāo)注格式以及上下文相關(guān)的問(wèn)題集，利用說(shuō)話人自適應(yīng)訓(xùn)練的方法訓(xùn)練了漢藏雙語(yǔ)語(yǔ)音的聲學(xué)模型，利用聲碼器合成出語(yǔ)音。
　　2.評(píng)測(cè)了不同語(yǔ)音合成方案合成的漢語(yǔ)普通話語(yǔ)音和藏語(yǔ)拉薩方言語(yǔ)音的音質(zhì)。采用主觀評(píng)測(cè)方法和客觀評(píng)測(cè)方法。主觀評(píng)測(cè)方法包括平均意見(jiàn)得分、差異平均意

3、見(jiàn)得分、相對(duì)平均意見(jiàn)得分以及診斷押韻測(cè)試；客觀評(píng)測(cè)方法包括基頻參數(shù)測(cè)量、時(shí)長(zhǎng)參數(shù)測(cè)量以及感知語(yǔ)音質(zhì)量評(píng)估。結(jié)果表明，參加說(shuō)話人自適應(yīng)訓(xùn)練的普通話語(yǔ)句為110句、藏語(yǔ)語(yǔ)句為300句時(shí)，合成的漢語(yǔ)普通話和藏語(yǔ)拉薩方言語(yǔ)音的質(zhì)量較高。
　　3.提出了一種采用說(shuō)話人識(shí)別技術(shù)評(píng)測(cè)漢藏雙語(yǔ)跨語(yǔ)言語(yǔ)音合成系統(tǒng)合成的不同說(shuō)話人語(yǔ)音相似度的評(píng)測(cè)方法。以高斯混合模型為聲學(xué)模型，結(jié)合傳統(tǒng)的短時(shí)處理技術(shù)和經(jīng)驗(yàn)?zāi)B(tài)分解來(lái)獲得聲學(xué)特征，訓(xùn)練了一個(gè)說(shuō)話人識(shí)別系

4、統(tǒng)。結(jié)果表明，當(dāng)參加說(shuō)話人自適應(yīng)訓(xùn)練的漢語(yǔ)普通話語(yǔ)句為110句時(shí)，合成語(yǔ)音的說(shuō)話人識(shí)別率達(dá)到88.89％，當(dāng)參加自適應(yīng)訓(xùn)練的藏語(yǔ)語(yǔ)句300句時(shí)，合成語(yǔ)音的說(shuō)話人識(shí)別率為94.44%。
　　4.提出了一種利用語(yǔ)音識(shí)別技術(shù)進(jìn)行漢藏雙語(yǔ)跨語(yǔ)言語(yǔ)音合成系統(tǒng)的合成語(yǔ)音音質(zhì)評(píng)測(cè)方法。采用了5狀態(tài)的連續(xù)隱 Markov模型為基元的聲學(xué)模型，采用13維的 Mel頻率倒譜系數(shù)及其一階差分和二階差分形成一個(gè)13×3維的特征向量來(lái)訓(xùn)練聲學(xué)模型。結(jié)果表明