漢語(yǔ)語(yǔ)音合成系統(tǒng)及其韻律調(diào)整.pdf

1、目前，語(yǔ)音對(duì)話系統(tǒng)、語(yǔ)音呼叫中心、語(yǔ)音觸發(fā)的網(wǎng)站、語(yǔ)音電子郵件服務(wù)等實(shí)際應(yīng)用的迅速發(fā)展，掀起了對(duì)文語(yǔ)轉(zhuǎn)換(TTS或語(yǔ)音合成技術(shù))需求的一個(gè)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(kāi)發(fā)邁上了一個(gè)新臺(tái)階。形成規(guī)?；袌?chǎng)的應(yīng)用主要集中在一些有明確領(lǐng)域限定的場(chǎng)合，如航班信息查詢、股票信息查詢、天氣信息查詢等。 無(wú)領(lǐng)域限定的語(yǔ)音合成技術(shù)的應(yīng)用不能大規(guī)模走向市場(chǎng)的主要原因是合成語(yǔ)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(yǔ)音合成通常是一個(gè)從語(yǔ)音中提取參數(shù)，經(jīng)過(guò)適當(dāng)變化再生成語(yǔ)音的過(guò)程。經(jīng)過(guò)語(yǔ)音到參數(shù)再?gòu)膮?shù)返回到語(yǔ)音的轉(zhuǎn)換過(guò)程，恢復(fù)出來(lái)的語(yǔ)音在音質(zhì)上會(huì)有明顯的損失，出現(xiàn)雜音、回聲、機(jī)器聲等現(xiàn)象。另一方面是韻律的差距，語(yǔ)音合成系統(tǒng)通常只能生成有限的語(yǔ)調(diào)模式，因而使合成語(yǔ)音聽(tīng)起來(lái)很單調(diào)枯燥，而且語(yǔ)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(yǔ)音聽(tīng)起來(lái)很別扭。 本文的工作主要是針對(duì)這兩個(gè)方面所作的改進(jìn)。音質(zhì)方面的改善著重于語(yǔ)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(shí)長(zhǎng)的調(diào)節(jié)。本文的對(duì)比實(shí)驗(yàn)及相應(yīng)的改進(jìn)基礎(chǔ)是基于HTS工作組開(kāi)發(fā)的開(kāi)源的基于HMM的語(yǔ)音合成系統(tǒng)。 首先，從語(yǔ)料庫(kù)中選擇出訓(xùn)練語(yǔ)句，根據(jù)漢語(yǔ)的語(yǔ)音特征，對(duì)訓(xùn)練語(yǔ)句進(jìn)行韻律標(biāo)注，并設(shè)計(jì)了用于基頻、譜參數(shù)和時(shí)長(zhǎng)聚類的上下文屬性和問(wèn)題集；然后，用目前常用的兩種參數(shù)合成方法，進(jìn)行譜參數(shù)提取及后期語(yǔ)音合成，作了對(duì)比試驗(yàn)。比較兩種參數(shù)提取方法的合成語(yǔ)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