PSOLA與正弦模型相結(jié)合的漢語語音合成研究與實現(xiàn).pdf

1、隨著信息技術(shù)的飛速發(fā)展和計算機技術(shù)的不斷進步，人機交互方式發(fā)生了革命性的變化，人們在不斷尋求靈活、方便、快捷的信息交換方式時，語音合成技術(shù)應(yīng)運而生。語音合成(Speech Synthesis)又稱文語轉(zhuǎn)換(TTS，Text-To-Speech)，是將計算機中存儲的文本轉(zhuǎn)換成對應(yīng)的語音，是計算機和人類交互的一種手段。目前，漢語語音合成技術(shù)在合成單音節(jié)上已經(jīng)相對成熟，但是合成連續(xù)語音流時總是不夠清晰和自然，因此漢語語音合成需要在提高語音合成

2、的自然度和可懂度方面進一步提高。
　　 本文分析各種語音合成算法的優(yōu)缺點后，將TD-PSOLA算法和正弦模型分析算法相結(jié)合用于漢語語音合成，通過平滑處理后，合成連續(xù)的語音流。用小容量的聲母加韻母過渡以及四個聲調(diào)的韻母制作成語音庫，使得該語音合成系統(tǒng)的語音庫很小，易于移植到其他應(yīng)用平臺，以便擴大其應(yīng)用范圍。TD-PSOLA算法具有方便靈活的韻律調(diào)整能力，但是當(dāng)基音頻率修改范圍過大時，會出現(xiàn)失真和回聲效應(yīng)；而正弦模型分析算法能夠?qū)φZ

3、音信號進行寬范圍的基頻調(diào)整，保證了相鄰兩幀語音之間幅度和相位的連續(xù)性。結(jié)合這兩種算法的優(yōu)點，使得語音合成具有靈活調(diào)整韻律的能力，為以后研究帶情感的語音合成提供了基礎(chǔ)。針對目前一直存在的字與字之間的拼接問題，研究了相鄰音節(jié)的拼接規(guī)律，實現(xiàn)了字與字之間拼接的平滑過渡，在提高合成連續(xù)語流的自然度方面得到很大的提高，使機器的發(fā)聲更加接近人的發(fā)聲。針對很多語音合成系統(tǒng)中沒有實現(xiàn)多音字處理的功能，本系統(tǒng)增加了多音字詞庫，實現(xiàn)了簡單的多音字處理功能。