基于FDA的語音基頻建模的研究.pdf

1、語音是人類交流最為方便快捷的方式。隨著人機對話技術(shù)的發(fā)展,人們對合成語音的質(zhì)量要求越來越高。語音基頻曲線對合成語音的自然度有決定性的作用,對語音基頻包絡(luò)的建模成為人機交互領(lǐng)域的一個重要研究課題。本文提出了一種利用FDA(FunctionalDataAnalysis,泛函數(shù)據(jù)分析)對語音基頻包絡(luò)建模的新方法,建立了漢語普通話和蘭州方言單音節(jié)的四種不同聲調(diào)的基頻曲線的FDA模型,并利用建立的基頻模型實現(xiàn)了普通話到蘭州方言的轉(zhuǎn)換。論文工作對于

2、實現(xiàn)普通話和蘭州方言的韻律建模、揭示普通話和蘭州方言之間的聯(lián)系與區(qū)別有重要的理論意義和應(yīng)用價值。論文的主要工作如下:
　　1.提出了一種利用泛函數(shù)據(jù)分析FDA(functionaldataanalysis)對語音基頻包絡(luò)建模的新方法。用B-樣條函數(shù)對語音的單字基頻進(jìn)行數(shù)據(jù)平滑處理,得到平滑后的基頻曲線,將平滑后的基頻曲線再進(jìn)行兩次時間校準(zhǔn)處理,最后通過主成分和主微分分析,最終得到擬合后的基頻曲線。將原始基頻與擬合后的基頻曲線進(jìn)行對

3、比分析,實驗結(jié)果表明,本文提出的建立基頻模型的方法,具有一定的可行性,可應(yīng)用于語音合成等語音信息處理研究中。
　　2.建立了普通話和蘭州話的FDA基頻曲線模型。標(biāo)注了普通話和蘭州方言的4種聲調(diào)的160個單音節(jié)的基頻包絡(luò),用FDA方法對普通話和蘭州話的四種聲調(diào)的單字基頻曲線建立了基頻包絡(luò)模型。論文對普通話和蘭州方言的FDA基頻模型擬合得到的基頻曲線分別進(jìn)行了誤差分析,得到原始普通話基頻與擬合后的普通話基頻曲線間的均方根誤差為6.47

4、Hz,相應(yīng)的蘭州方言的FDA基頻模型其均方根誤差為3.88Hz。論文采用STRAIGHT算法,利用模型產(chǎn)生的基頻包絡(luò)重新合成普通話語音和方言語音,主觀評測結(jié)果表明,普通話的MOS得分為4.17,蘭州話的MOS得分為4.19分。實驗驗證了FDA基頻模型的在基頻建模上的適用性。
　　3.實現(xiàn)了普通話到蘭州方言的轉(zhuǎn)換。首先,通過輸入的文本得到蘭州方言的聲調(diào)信息,同時利用輸入的普通話語音文件用STRAIGHT方法得到四種聲調(diào)對應(yīng)的譜參數(shù)和