基于隱馬爾可夫模型的高表現(xiàn)力語(yǔ)音合成技術(shù)的研究.pdf

1、近年來(lái)，隨著語(yǔ)音技術(shù)的飛速發(fā)展，語(yǔ)音合成技術(shù)越來(lái)越趨于成熟，合成的語(yǔ)音音質(zhì)和自然度方面都有了比較明顯的提高。在合成領(lǐng)域，具有高表現(xiàn)力的情感合成越來(lái)越為研究者所重視。如何讓機(jī)器合成出的語(yǔ)音更具有“人情味”，成為語(yǔ)音合成界關(guān)注的焦點(diǎn)。
　　 同時(shí)，如何在不擴(kuò)大訓(xùn)練數(shù)據(jù)庫(kù)，不提高合成技術(shù)復(fù)雜度的情況下，通過(guò)對(duì)語(yǔ)音韻律特征的更好的建模，實(shí)現(xiàn)高自然度高表現(xiàn)力的語(yǔ)音合成，是對(duì)我們研究者提出的挑戰(zhàn)。為此，本文對(duì)基于隱馬爾可夫模型HMM(Hid

2、den Markov Model)的高表現(xiàn)力的語(yǔ)音合成技術(shù)進(jìn)行了系統(tǒng)的介紹，并為改善合成語(yǔ)音的表現(xiàn)力開展了深入的研究。整篇文章的結(jié)構(gòu)安排如下：
　　 論文第一章概括的論述了本文的研究背景。首先介紹了近幾十年來(lái)語(yǔ)音合成技術(shù)的發(fā)展情況，然后簡(jiǎn)要分析了現(xiàn)有的幾種常見(jiàn)的語(yǔ)音合成方法，與語(yǔ)音合成技術(shù)相關(guān)的概念與方法及高表現(xiàn)力語(yǔ)音合成技術(shù)的提出等。
　　 論文第二章主要介紹了目前最為常用的基于HMM模型的可訓(xùn)練語(yǔ)音合成技術(shù)(Tra

3、inable TTS)的基本框架。包括Trainable TTS合成系統(tǒng)的流程，關(guān)鍵技術(shù)點(diǎn)，韻律參數(shù)的介紹及其相關(guān)的情感合成的知識(shí)，為本文在Trainable TTS表現(xiàn)力提升方面的工作做基礎(chǔ)和鋪墊。
　　 論文第三章主要討論從影響韻律的重要參數(shù)——基頻特征提取方面來(lái)改善基線系統(tǒng)。針對(duì)現(xiàn)在基線合成系統(tǒng)存在的基頻預(yù)測(cè)不準(zhǔn)確的問(wèn)題，我們考慮包含更多信息的長(zhǎng)時(shí)單元——音節(jié)單元，理論上，更長(zhǎng)單元的基頻特征更能反映基頻的走勢(shì)特征。實(shí)驗(yàn)驗(yàn)

4、證了在悲傷情感庫(kù)上可以取得更好的效果。
　　 論文第四章從基頻建模方法這一角度來(lái)改善現(xiàn)有的基線合成系統(tǒng)的效果。針對(duì)現(xiàn)在合成系統(tǒng)存在的基頻預(yù)測(cè)不準(zhǔn)確的缺陷，我們認(rèn)為現(xiàn)在基頻與頻譜同步建模方法存在問(wèn)題。我們提出一種半異步建模的方法，即基頻和頻譜參數(shù)在一個(gè)音素內(nèi)部對(duì)應(yīng)不同的狀態(tài)序列，最后通過(guò)實(shí)驗(yàn)總結(jié)了異步建模方法的性能表現(xiàn)。
　　 論文第五章是從另一個(gè)影響韻律重要參數(shù)——時(shí)長(zhǎng)角度來(lái)改善現(xiàn)有基線系統(tǒng)。主要方法是：結(jié)合音素單元的時(shí)