基于HMM的中文情感語音合成的研究.pdf

1、語音是人類最直接、最有效的交流方式。隨著計算機智能和情感計算的發(fā)展,人們對語音處理技術的要求越來越高。本文針對多樣化的語音,提出了基于HMM的語音合成方法,實現(xiàn)了系統(tǒng)的自動訓練與構建。在此基礎上,研究了語音的情感分類方法以及情感語音的特征分析,通過分析情感語音在基頻、時長、能量和上下文等方面的特征,總結出情感語音和中性語句之間的關聯(lián)。為了合成出高質量的情感語句,特別引入了PAD三維情感模型,將離散化的情感語音擴展為可計算的量化語音。最后

2、,通過語音合成器合成目標情感語音。
　　本文采用PAD情感狀態(tài)模型分析語音的情感特征,這為今后語音的情感處理研究提供了理論依據(jù)。通過Boosting-GMM算法來預測建模,為后續(xù)的目標情感語音合成奠定了良好的實驗基礎和分析依據(jù)。本文主要研究工作和研究成果如下:
　　1.提出一種基于統(tǒng)計聲學模型的語音合成方法,建立了一個完整的可訓練的語音合成系統(tǒng)框架。該系統(tǒng)對輸入的語音數(shù)據(jù)進行聲學參數(shù)建模,并以訓練得到的統(tǒng)計模型為基礎構建相應

3、的合成系統(tǒng),能夠很好地滿足目前對多樣化和高表現(xiàn)力的語音合成需求。
　　2.采用了PAD情感狀態(tài)模型對情感語音特征參數(shù)進行了定量分析,得出不同情感狀態(tài)與PAD三個維度之間的映射關系,為后續(xù)的目標情感語音合成提供了理論基礎,提高了合成語音的音質。
　　3.通過Boosting-GMM算法進行情感預測建模。針對實驗中的四種目標情感,建立四種弱預測模型。每個弱預測模型由一種基本的預測模型和其它輔助預測模型組成。實驗對比了基于GMM和