神經(jīng)網(wǎng)絡(luò)漢語(yǔ)TTS韻律模型的研究.pdf

1、近年來(lái),由于計(jì)算機(jī)技術(shù)、多媒體技術(shù)和信息技術(shù)的發(fā)展,語(yǔ)音技術(shù)迅猛發(fā)展并取得了很大進(jìn)步.為獲得較好的人機(jī)交互環(huán)境,對(duì)TTS技術(shù)的研究引發(fā)空前的興趣并得到廣泛的應(yīng)用.TTS漢語(yǔ)文本到語(yǔ)音的轉(zhuǎn)換是指通過(guò)軟件和硬件將漢語(yǔ)文本或字串轉(zhuǎn)換為漢語(yǔ)輸出語(yǔ)音.目前有常用的兩種TTS合成技術(shù)--基于規(guī)則合成和波形拼接合成,本文重點(diǎn)介紹波形拼接技術(shù)---PSOLA算法.PSOLA算法可以在保持語(yǔ)音自然度的情況下通過(guò)改變基頻和時(shí)長(zhǎng)從而改變給定信號(hào)的韻律和幅度生

2、成語(yǔ)音語(yǔ)料.TTS系統(tǒng)有三大模塊--文本處理、韻律分析和語(yǔ)音合成,文本處理和韻律分析主要是提取語(yǔ)音合成所利用的各種韻律控制參數(shù),如合成語(yǔ)音韻律短語(yǔ)的結(jié)構(gòu)和音節(jié)之間的韻律信息等.這些參數(shù)受韻律實(shí)現(xiàn)策略和語(yǔ)言學(xué)韻律規(guī)則的影響,對(duì)語(yǔ)音合成自然度起關(guān)鍵作用.目前由于缺乏比較好的韻律處理算法,精確提取韻律參數(shù)比較困難,合成效果較差,所以目前的研究主要集中在提高合成語(yǔ)音的自然度.利用人工神經(jīng)網(wǎng)絡(luò)優(yōu)良性能進(jìn)行韻律處理可提高語(yǔ)音的自然度.由于漢語(yǔ)是不同

3、于其它語(yǔ)言的有調(diào)語(yǔ)言,在提取語(yǔ)音參數(shù)時(shí)有著自己的規(guī)律.漢語(yǔ)韻律是受語(yǔ)境影響的層次結(jié)構(gòu),而神經(jīng)網(wǎng)絡(luò)的運(yùn)行和學(xué)習(xí)速率也極大的受到語(yǔ)境信息的影響,語(yǔ)境信息有著重要的作用.神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)比傳統(tǒng)模型更好地反映了漢語(yǔ)的韻律.在漢語(yǔ)TTS系統(tǒng)韻律模型中改善文本處理能力可提高漢語(yǔ)語(yǔ)音合成系統(tǒng)的語(yǔ)音輸出質(zhì)量,針對(duì)上述問(wèn)題,本文提出了競(jìng)爭(zhēng)型神經(jīng)網(wǎng)絡(luò)在漢語(yǔ)TTS(TEXT TO SPEECH)韻律建模中的應(yīng)用,通過(guò)輸入多個(gè)不同韻律特征的模板樣本的競(jìng)爭(zhēng),最終選擇