可訓練語音合成中的譜參數(shù)生成方法研究.pdf

1、隨著目前語音合成效果的逐步改善，用戶對語音合成系統(tǒng)提出了更高的要求，體現(xiàn)在合成系統(tǒng)的構建復雜度以及系統(tǒng)的音質(zhì)。在這種背景下，一種能夠在短時間內(nèi)通過自動訓練的方式進行合成系統(tǒng)構建，而且能夠獲取比較好的音質(zhì)的語音合成系統(tǒng)，有著比較高的理論研究及使用價值。對此，本論文在基于HMM的可訓練語音合成(TrainableTTS)基礎上，提出了一種能夠在不大量增加系統(tǒng)負擔的前提下有效的提高合成語音音質(zhì)的方法。本論文具體的研究工作和研究成果如下：

2、 首先，對現(xiàn)有成熟的TrainableTTS系統(tǒng)進行一個比較系統(tǒng)全面的介紹，介紹其中的基礎理論：隱馬爾科夫模型(HMM)以及系統(tǒng)實現(xiàn)的一些關鍵技術，這為下一階段的工作提供了一個高效的平臺系統(tǒng)。 其次，基于上面介紹的TrainableTTS系統(tǒng)框架，針對此系統(tǒng)的合成語音中的塞音比較模糊的現(xiàn)象進行分析，并且提出了用自然的塞音段頻譜參數(shù)來替換對應模型預測的頻譜參數(shù)來進行參數(shù)生成，最后，結合自然的塞音波形和自然的塞音頻譜，用頻譜替換和

3、波形替換方法實現(xiàn)了一個塞音清晰化的系統(tǒng)。 最后，基于上面的自然塞音頻譜參數(shù)替換的想法，提出了結合自然樣本單元挑選與參數(shù)生成相結合的方法來提高合成語音的音質(zhì)，通過相關的試驗可以證明這種方法能有效的提高合成語音的音質(zhì)；通過對頻譜參數(shù)進行壓縮，可以進一步的減少參數(shù)的存儲量，使其在受限領域的應用成為可能；進一步，為了完善此方法下的參數(shù)生成算法，提出了新的參數(shù)生成算法，即把自然樣本單元當作一個模型約束來控制參數(shù)生成的過程；最后，驗證了此方