韻律層次預(yù)測中基于統(tǒng)計模型的機器學(xué)習(xí)方法研究.pdf

1、語音合成是從文本生成語音的技術(shù)。為了生成高自然度的語音，一方面要從文本信息預(yù)測出準(zhǔn)確翔實的韻律信息，包括韻律層次、重音分布、基頻曲線、時長、停延、能量等。一方面是制作大規(guī)模合成語音庫中，收錄豐富的、足具表現(xiàn)力的語音基元。韻律層次的預(yù)測是生成基頻、時長等其他韻律參數(shù)的前提條件，是影響合成語音自然度的重要因素。 本文首先對韻律層次預(yù)測的研究歷史和現(xiàn)狀做了較為完整的調(diào)研。通過對前人工作進行深入了解，作者認(rèn)為基于機器學(xué)習(xí)的方法在目前條件

2、下，優(yōu)于人工總結(jié)規(guī)則的方法，今后幾年應(yīng)繼續(xù)在該方向開展更多的研究工作，并且應(yīng)著力解決好屬性信息選擇和統(tǒng)計模型選擇這兩個問題，一方面努力利用好更多有利于韻律預(yù)測的語法、語音、統(tǒng)計信息，一方面尋找更適合該任務(wù)的統(tǒng)計模型和算法。 圍繞這兩個方面，本論文闡述了作者在語調(diào)短語預(yù)測方面的研究，主要工作包括： 第3章提出了基于相似句的韻律短語邊界預(yù)測方法。對于任意一個輸入的句子，該模型都從一個帶有韻律短語標(biāo)注的句子庫中尋找其相似句，然

3、后根據(jù)找到的一個或者多個相似句的韻律短語邊界位置，決定輸入句的韻律短語邊界位置。在尋找相似句中，提出了相似距離的度量方法——合成的編輯距離，同時考慮了詞性、詞義、音節(jié)數(shù)目對韻律短語邊界位置的影響。在1000句測試集上的實驗結(jié)果表明該方法能夠達(dá)到我們預(yù)期的效果，即在能夠接受的手工標(biāo)注工作量下，超過現(xiàn)有決策樹的效果。 第4章提出了基于最大熵模型的語調(diào)短語邊界預(yù)測方法。在已有的特征CCFS(CountCutoffFeatureSele

4、ction)方法的基礎(chǔ)上，本文提出了特征上下文CCFS方法和基于似然比的特征選擇方法。實驗證實，特征上下文CCFS方法的效果最好。同時比較了傳統(tǒng)的基于決策樹的方法和基于最大熵模型的方法的效果，指出在使用相同屬性的條件下，最大熵模型更適合于語調(diào)短語邊界的預(yù)測。 第5章針對目前多數(shù)方法只利用局部上下文信息的局限，提出了三種平滑模型，把語調(diào)短語的長度分布信息有效地跟局部上下文信息相融合，顯著地提高了整個系統(tǒng)的預(yù)測效果。這三種平滑模型分