語音合成及其韻律研究.pdf

1、隨著計算機技術和信息技術的飛速發(fā)展,人機交互方式發(fā)生了重大的變化,應運而生的語音合成技術是將計算機自己產(chǎn)生的或從外部輸入的文字、符號、數(shù)字等信息轉換成自然流暢的語音信號輸出,這種技術又稱文語轉換技術(Text to Speech,簡稱TTS)。早期的TTS系統(tǒng)多采用參數(shù)合成方法,該方法在理論上相對比較成熟,易于實現(xiàn),但實際合成的連續(xù)語音總是不夠清晰、自然。近幾十年來國際和國內的研究主要集中在按規(guī)則文語轉換,即將書面語言轉換成口頭語言。基

2、于語音數(shù)據(jù)庫的語音合成方法有望進一步提高語音合成的自然度。由于這是一種采用自然語音波形直接拼接的方法,進行拼接的語音單元是從一個預先錄下的自然語音數(shù)據(jù)庫中挑選出來的,因此有可能最大限度地保留語音的自然度。但是,目前在拼接式語音合成中所采用的信號處理技術僅僅適合于對原始基元的基頻、時長、能量等韻律特性進行修改,而對于拼接基元的頻譜特性則無法進行適當?shù)男薷膩頋M足相應的語音發(fā)聲差異的變化。由此產(chǎn)生了一系列新的需要研究的問題,包括:如何確定語音

3、合成的基元,根據(jù)什么準則去挑選合適的基元,韻律參數(shù)定量化問題,對數(shù)據(jù)庫進行定標問題;以及如何將統(tǒng)計的方法和規(guī)則方法相結合使計算機能自動發(fā)現(xiàn)和找出所需的語音單元,保證最高的合成語句的自然度等等。在語音合成領域研究者們最關心的問題之一依舊是如何提高合成語音的自然度?，F(xiàn)有語音合成的研究方法能在一定程度上提高語音的合成度,但還不能得到人們理想的合成效果。影響合成語音質量的一個很重要因素在于目前使用的韻律規(guī)則不夠完善。
　　本文以當前語音合

4、成技術的發(fā)展方向為研究的出發(fā)點,首先優(yōu)化了韻律參數(shù),并將其應用到關聯(lián)規(guī)則對韻律參數(shù)進行規(guī)則提取的方法中,提出采用優(yōu)化韻律參數(shù)后的規(guī)則提取過程,并對原有的Apriori算法進行改進而獲得更適合語音合成的ODApriori算法,通過該算法可將原有Apriori算法得到的韻律規(guī)則進一步細分,得到更多研究者感興趣的規(guī)則。其次語音合成技術的應用不可能總是建立在無限大的語音數(shù)據(jù)庫基礎上,為了將數(shù)據(jù)庫控制在合適的范圍內,提出了一種使語音特性盡可能體現(xiàn)