漢語情感語音合成的研究.pdf

1、隨著人類語音合成系統(tǒng)智能化的提高,增強語音自然度的要求顯得十分明顯。自然語音的一個重要方面就是表達一定的情感,這也正是目前語音合成中所缺少的。情感語音合成是一個跨學(xué)科、具有很高理論價值和應(yīng)用價值的研究課題,是語音合成的一個新的研究方向,正受到越來越多的關(guān)注。本論文在廣泛汲取漢語情感韻律知識和現(xiàn)代語音信號處理技術(shù)的基礎(chǔ)上,對漢語情感語音合成技術(shù)及其實現(xiàn)方法進行了深入的研究,主要研究工作如下:
　　1.研究了線性預(yù)測合成、共振峰合成和

2、基音同步疊加合成(PSOLA)等傳統(tǒng)的語音合成技術(shù),經(jīng)比較認為基音同步疊加技術(shù)能夠方便地對合成單元的韻律進行調(diào)整,很適合用于情感語音合成中。時域基音同步疊加(TD PSOLA)技術(shù)在對語音合成單元進行拼接前,根據(jù)基音同步標注,對拼接單元的基音周期、時長和強度做出適當?shù)卣{(diào)整,在不改變原始語音單元音質(zhì)細節(jié)的基礎(chǔ)上,能靈活地改變體現(xiàn)語音情感的韻律特征變化,從而可以獲得更高的可懂度和自然度。
　　2.情感的聲學(xué)關(guān)聯(lián)特征參數(shù)是情感語音合成的

3、關(guān)鍵之一。本文在漢語情感語料庫的基礎(chǔ)上,分析了韻律特征參數(shù)在不同情感狀態(tài)下的規(guī)律。論文中采用基頻參數(shù)、時長參數(shù)和能量參數(shù)作為基本韻律特征參數(shù),對漢語情感語料庫提取這些參數(shù),得到不同情感狀態(tài)下各韻律特征參數(shù)的特性。根據(jù)韻律特征參數(shù)的統(tǒng)計結(jié)果,確定輸出語音的基頻、時長和能量特征參數(shù)的目標調(diào)整系數(shù),在確保可懂度和自然度的前提下,使合成的語音具備情感表達的能力。
　　3.詳細分析了基于語音頻譜分解的聲源參數(shù)提取方法,整個方法是在STRAI

4、GHT語音分析合成算法基礎(chǔ)上實現(xiàn)。
　　4.研究了語音合成中的韻律預(yù)測方法,包括規(guī)則驅(qū)動的方法、數(shù)據(jù)驅(qū)動的方法,尤其是其中的神經(jīng)網(wǎng)絡(luò)的方法、數(shù)據(jù)挖掘的方法,還有漢語韻律模型如Target基頻模型,Fujisaki基頻模型。本文詳細討論了SFC韻律預(yù)測模型的原理及實現(xiàn)方法,并給出了針對漢語情感語音的韻律建模方案,在對情感語音進行SFC韻律建模的基礎(chǔ)上,分析了模型的層次關(guān)系,設(shè)計了從中立語音進行韻律轉(zhuǎn)換的方法。
　　根據(jù)以上研究