高自然度粵語語音合成關(guān)鍵技術(shù)研究.pdf

1、隨著科技的發(fā)展,語音技術(shù)越來越受到人們的關(guān)注.語音合成作為言語工程的一個重要組成部分,已經(jīng)成為當前研究的熱點.語音合成系統(tǒng)將輸入的文本信息以語音的形式輸出出來,使信息的傳遞更加方便、快捷.該文對粵語語音合成系統(tǒng)中若干關(guān)鍵技術(shù)進行了研究.文中首先介紹了語音合成的研究背景,簡單回顧了語音合成和文語轉(zhuǎn)換系統(tǒng)的發(fā)展歷史.接著對幾種常見的語音合成方法進行了分析,重點介紹了粵語語音學知識以及粵語語音合成研究的現(xiàn)狀,指出了現(xiàn)階段粵語語音合成的研究意義

2、.韻律預測是語音合成系統(tǒng)中重要的組成部分,它直接關(guān)系到最終合成語音的自然度.該文總結(jié)了前人研究的一些成果,針對粵語語言特點,采用數(shù)據(jù)挖掘以及統(tǒng)計分析的方法建立了粵語韻律模型.在基頻預測方面,使用從文本分析出的高層韻律描述信息,應用CART技術(shù)建立了粵語的基頻預測模型.為提高基頻預測精度,嘗試了幾種不同的改進方法.在時長預測方面,通過對音庫中音節(jié)時長分布的統(tǒng)計,揭示了粵語時長的變化規(guī)律.在對各種時長模型預測效果進行比較后,選擇Sop模型作

3、為粵語合成系統(tǒng)使用的時長預測模型.語音合成系統(tǒng)中,單元挑選的目標是盡量減少由于單元拼接而造成的合成語音音質(zhì)的損失.傳統(tǒng)的基于代價函數(shù)的單元選擇方法,需要很多專家知識作為指導,單元選取具有很強的主觀性.該文嘗試了一種基于語音客觀參數(shù)評估的目標代價規(guī)則訓練方法,使用數(shù)據(jù)驅(qū)動技術(shù)代替專家知識來生成代價規(guī)則取得了較好的效果.同時,使用一種插值平滑的多元基頻連接概率模型,提高了連接代價計算的可靠性.為了提高語音合成的自然度和表現(xiàn)力,該文對粵語焦點