漢語語音合成與轉(zhuǎn)換關(guān)鍵技術(shù)研究.pdf

1、語言是人類進行溝通和交流的一種最便捷方式，語音是語言的一種形式。語音合成與轉(zhuǎn)換是語音信號處理的重要分支，得到了廣泛的應用。語音預處理是語音合成與轉(zhuǎn)換的重要組成部分，其結(jié)果直接影響合成和轉(zhuǎn)換語音的質(zhì)量。然而語音預處理、語音合成與轉(zhuǎn)換算法仍然存在一些不足和有待解決的問題，如含噪語音清濁音分類準確度不是很高、協(xié)同發(fā)音現(xiàn)象沒有很好地得到解決、合成與轉(zhuǎn)換語音的自然度不能令人滿意等。語音合成與轉(zhuǎn)換的關(guān)鍵技術(shù)是語音預處理、小語料庫的語音合成與轉(zhuǎn)換，本

2、文研究上述相關(guān)算法，解決了合成與轉(zhuǎn)換語音清晰度、自然度低的問題，提高了合成與轉(zhuǎn)換語音的質(zhì)量。
　　在語音預處理方面，針對以往清、濁音分類算法的不足，提出基于Mel子帶能量高斯混合模型的分類算法，該算法采用Mel頻率來計算語音信號在頻譜各子帶能量分布比例，作為特征來建立高斯混合模型，計算各類語音信號對應高斯混合模型的最大后驗概率，對語音信號進行清、濁音分類，仿真實驗證明了該算法的有效性。針對基音檢測存在的問題，提出了幅值補償?shù)腁MD

3、F基音檢測算法，降低了由于語音信號幅值衰減而造成的檢測誤差，仿真實驗表明，該方法具有更高的基音檢測準確度。
　　在語音合成方面，考慮到自然語音存在協(xié)同發(fā)音的現(xiàn)象，提出了波形拼接和參數(shù)合成相結(jié)合的算法--頻譜能量過渡協(xié)同發(fā)音語音合成算法和共振峰過渡協(xié)同發(fā)音語音合成算法。第一種算法是根據(jù)協(xié)同發(fā)音過程中頻譜能量連續(xù)過渡這一現(xiàn)象，通過調(diào)整協(xié)同發(fā)音上下段音素對應的頻帶能量進行協(xié)同發(fā)音語音合成；第二種算法是根據(jù)協(xié)同發(fā)音過程中共振峰連續(xù)過渡現(xiàn)象

4、，通過對共振峰位置、幅值、帶寬的修改進行協(xié)同發(fā)音語音合成。將兩種算法和滑動窗拼接協(xié)同發(fā)音語音合成算法進行了比較，仿真實驗證明了本文算法的有效性。連續(xù)變調(diào)現(xiàn)象是自然語流中經(jīng)常出現(xiàn)的現(xiàn)象，能否解決此問題，直接關(guān)系到詞匯語義的正確理解。提出了決策樹建模，按照模型進行音節(jié)的音高、時長等修改的連續(xù)變調(diào)語音合成算法，仿真實驗結(jié)果表明，本算法合成連續(xù)變調(diào)詞匯的可懂度、自然度均高于聲調(diào)模型+基音同步疊加算法。針對漢語語調(diào)受聲調(diào)，重讀詞匯等影響，難以準確

5、建模的問題，通過分析聲調(diào)、重讀詞匯等在語調(diào)大波浪中的作用，提出了采用決策樹對語調(diào)建模，根據(jù)模型對音節(jié)進行時長、音高、能量等修改，進行漢語語調(diào)合成的算法，將本算法和句尾基頻曲線調(diào)整語調(diào)合成算法進行了比較，仿真實驗證明了算法的有效性。
　　在語音轉(zhuǎn)換方面，針對語音轉(zhuǎn)換過程中源、目標語音動態(tài)時間規(guī)整出現(xiàn)的匹配誤差問題提出了變滑動窗語音轉(zhuǎn)換算法，該算法根據(jù)當前幀的基音檢測結(jié)果確定滑動窗的寬度，將源話者語音和目標話者語音對齊，采用高斯混合模