語音變調算法研究及其在語音合成中的作用.pdf

1、隨著信息技術和多媒體技術的發(fā)展,普通的音視頻素材已經(jīng)不能滿足人們生產(chǎn)活動和娛樂生活的需求。應運而生的語音變調技術,是在保持音頻文件播放速度不變的前提下,按照某種算法對說話人的音調進行調整,從而實現(xiàn)音調的升高或降低,而語音音調的不同主要是由基音頻率和共振峰頻率來決定,因此音調的改變可以通過改變原始語音信號的基音頻率和共振峰頻率來實現(xiàn)。目前存在的語音變調方法都還不是很完善,還存在著各種各樣的缺點。
　　 語音合成技術是隨著人們對人機

2、交互提出要求而發(fā)展起來的一種語音信號處理技術,是將計算機輸出的或人為輸入的一些非語音信息如文字、數(shù)字、標點符號等轉換為清晰自然可懂的語音輸出,這種技術又稱為文語轉換技術(簡稱TTS)。較早的文語轉換系統(tǒng)在合成模塊一般采用參數(shù)合成法,其中共振峰合成法和LPC合成法應用較多。對參數(shù)合成法的研究起步比較早,所以參數(shù)合成法已具有相對成熟的理論基礎,而且實現(xiàn)起來較簡單,但實際合成的連續(xù)語音不自然,有明顯的機器腔。二十世紀九十年代初,基音同步疊加技

3、術的研究開始興起,并成功運用到了TTS系統(tǒng)中。基音同步疊加(PSOLA)技術不同于簡單的波形拼接技術,它在對語音基元拼接的時候,首先對音頻文件分析得到基音標注,然后以基音周期為單位對拼接單元的基頻、音長和音強等韻律特征做出適合的調整,在不改變原始語音基元音質的基礎上,靈活地改變語音的韻律特征。本文通過分析研究現(xiàn)有語音合成方法存在的優(yōu)缺點,在PSOLA算法的基礎上,提出了一種時長和基頻分步處理的語音合成方法,并通過實驗證實了其有效性。

4、r>　　 本文主要工作如下:
　　 1、對現(xiàn)有變調方法作了分類分析,主要分析了3種典型方法的變調原理和特點,即時域同步疊加固定合成法(SOLA-FS)、頻域插值法和相位聲碼器法,并通過分析研究指出了它們的優(yōu)缺點。然后在SOLA-FS算法的基礎上,提出了一種改進的基于SOLA-FS的變調方法,仿真實驗發(fā)現(xiàn)該變調方法不僅能在保持音頻播放時間不變的前提下改變音調,而且降低了算法復雜度,并在一定程度上減少了噪音,并給出了改進前后運行時

5、間的比較,以及改進前后對應的語譜圖。實驗發(fā)現(xiàn)改進的SOLA-FS方法在自然度上的優(yōu)勢明顯優(yōu)于其他變調方法,然后給出了三種不同變調算法下變調結果的主觀測聽對比。結果表明:不論對語音音調的升高還是降低,在相同變調系數(shù)下,改進的SOLA-FS方法均具有最好的變調效果。
　　 2、將改進的SOLA-FS變調方法與波形拼接技術相結合,提出了一種音高、時長分步處理的語音韻律拼接合成方法,既保持了語音拼接單元的清晰度和自然度,也在一定程度上提

6、高了合成語音的韻律修改能力。文中給出了在不同的音高調整參數(shù)下,傳統(tǒng)的TD-PSOLA方法與時頻分步合成法在基頻修改時所對應的合成語音的時域圖和基頻軌跡圖,并在最后給出了算法復雜度的比較。實驗證明,傳統(tǒng)的TD-PSLOA方法在音高修改時,其合成語音對應的基頻軌跡的包絡與語音樣本的基頻包絡有較大出入,尤其是當基頻修改幅度較大時,會造成疊加單元的混疊或遺漏,從而影響合成語音的效果。而時頻分步法在音高修改時,其合成語音對應的基頻包絡相對語音樣本