基于HMM的中文語音合成研究.pdf

1、語音合成是實現(xiàn)人機和諧交互的關(guān)鍵問題之一。本文對漢語語音合成中的聲學建模技術(shù)和參數(shù)共享策略進行了研究，并以日文galatea-Talk 文語轉(zhuǎn)換系統(tǒng)為基礎(chǔ)，針對漢語的特點進行改造，完成了一個漢語文語轉(zhuǎn)換的原型系統(tǒng) CN-galatea-Talk。具體工作包括： 1．對HTK平臺和HTS進行了研究和分析，實現(xiàn)了基于HTK平臺的聲學模型訓練方法。 2．以擴展聲韻母集作為合成基元的集合，并引入了合成基元的環(huán)境信息，進行了上下文

2、相關(guān)的聲學建模。對聲學建模中基于決策樹的HMM狀態(tài)共享策略進行了研究，分析了決策樹的構(gòu)造方法，討論了問題集的設(shè)計。通過基于決策樹的HMM狀態(tài)共享，降低了模型的規(guī)模，狀態(tài)數(shù)為狀態(tài)共享前的2.84％。通過對狀態(tài)時長HMM和基音周期HMM進行基于決策樹的狀態(tài)共享，并在問題集中引入合成基元的環(huán)境信息，從而使訓練出的HMM帶有韻律的信息。 3．對日文galarea-Talk系統(tǒng)的語音合成部分進行了研究和分析，保留其中的參數(shù)生成模塊和基于M

3、LSA的合成器模塊，針對中文的特性修改了HMM模型讀取模塊和HMM模型搜索模塊。重新設(shè)計了 galatea-Talk 系統(tǒng)中的文本處理模塊。利用《知網(wǎng)》來計算多音字的概念相似度，進行多音字處理，避開了現(xiàn)有實驗條件下缺少拼音標注語料的問題。 將上述工作組合起來，最終設(shè)計并完成了一個漢語的文語轉(zhuǎn)換的原型系統(tǒng)CN-galatea-Talk。在語義不可預(yù)測句子(SUS)聽寫的測試中，平均詞正確率達到89.5％；在對不同體裁短文朗讀的測試