中文TTS系統(tǒng)中若干關(guān)鍵技術(shù)研究.pdf

1、TTS系統(tǒng)是一項(xiàng)非常有用的技術(shù)，它可以將任意文本信息轉(zhuǎn)換為語(yǔ)音信號(hào)。它可以被用于不同的用途，如汽車導(dǎo)航，電信的呼叫服務(wù)，列車站名播報(bào)，e-mail閱讀等等?，F(xiàn)有的基于大語(yǔ)料庫(kù)的TTS系統(tǒng)已經(jīng)能夠產(chǎn)生高清晰度和自然度的合成語(yǔ)音，并已得到較大的發(fā)展和應(yīng)用，但是還存在著一些問(wèn)題。尤其引人注目的是其音庫(kù)巨大，無(wú)法將其應(yīng)用到存儲(chǔ)空間受限的設(shè)備上去，這就嚴(yán)重地制約了語(yǔ)音合成技術(shù)的發(fā)展。目前大致有兩類解決辦法：一類是采用新的參數(shù)合成技術(shù)，如基于HMM

2、的語(yǔ)音合成系統(tǒng)，另一類是在保持合成語(yǔ)音自然度和清晰度的前提下，降低大語(yǔ)料庫(kù)中的聲學(xué)冗余度，從而實(shí)現(xiàn)高效率的壓縮(小音庫(kù)TTS系統(tǒng))。以上兩種方法都可以大幅降低TTS系統(tǒng)的存儲(chǔ)容量，比較而言：在存儲(chǔ)容量方面參數(shù)合成方法更有優(yōu)勢(shì)，但在合成語(yǔ)音的質(zhì)量方面，后一類方法更好。 本文針對(duì)后一類合成系統(tǒng)中的若干關(guān)鍵問(wèn)題進(jìn)行了深入的研究，具體的工作成果與創(chuàng)新如下： 1、對(duì)小音庫(kù)的TTS系統(tǒng)而言，合成基元庫(kù)和韻律模型是兩個(gè)重要的組成部分，

3、而它們的構(gòu)建都依賴于一個(gè)帶韻律標(biāo)注的大語(yǔ)料庫(kù)。其中連續(xù)語(yǔ)音的準(zhǔn)確切分和標(biāo)注是一項(xiàng)十分重要的工作，并且費(fèi)時(shí)費(fèi)力。為了解決這個(gè)問(wèn)題，本文提出了一種統(tǒng)計(jì)與規(guī)則相結(jié)合的語(yǔ)音自動(dòng)切分和標(biāo)注方法。具體的步驟是：首先以兩種HMM模型對(duì)連續(xù)語(yǔ)音做粗切分，然后再針對(duì)不同的音素邊界類型，采用不同的后處理方法，對(duì)HMM的切分結(jié)果進(jìn)行調(diào)整，從而實(shí)現(xiàn)精確切分。這些后處理的方法將被分別用于檢測(cè)靜音和語(yǔ)音，清音和濁音，以及在譜域上的時(shí)間突變點(diǎn)。這種方法不僅簡(jiǎn)單而且還

4、可以獲得較高的切分和標(biāo)注精度。 2、針對(duì)實(shí)際音節(jié)基頻包絡(luò)長(zhǎng)度的不同，提出了一種非定長(zhǎng)包絡(luò)的聚類方法，并將其用于以基頻為特征的語(yǔ)音庫(kù)裁減。這種方法首先利用DP的思想，在兩個(gè)基頻包絡(luò)之間尋找一條最佳路徑，然后再沿這一路徑進(jìn)行兩包絡(luò)的相似度計(jì)算，若兩包絡(luò)形狀類似，距離測(cè)度的值會(huì)很小，將會(huì)被聚在一類。在聚類的基礎(chǔ)上，利用調(diào)域分層的概念，進(jìn)行樣本挑選，最后再結(jié)合現(xiàn)有的語(yǔ)音編碼技術(shù)，就可以構(gòu)建出一個(gè)小存儲(chǔ)容量多樣本的帶調(diào)音節(jié)語(yǔ)音庫(kù)，來(lái)滿足小

5、音庫(kù)或嵌入式TTS系統(tǒng)對(duì)合成語(yǔ)音清晰度和自然度的要求。 3、本文還利用統(tǒng)計(jì)的方法，對(duì)小音庫(kù)的TTS系統(tǒng)的韻律模型進(jìn)行了研究，給出了一組能夠預(yù)測(cè)句子基頻包絡(luò)的方法。句子的基頻包絡(luò)是音節(jié)基頻包絡(luò)加靜音段形成的。為了預(yù)測(cè)音節(jié)的基頻包絡(luò)，我們首先通過(guò)聚類獲得音節(jié)典型的基頻包絡(luò)(基頻包絡(luò)模板)，再采用決策樹(shù)方法來(lái)學(xué)習(xí)句中音節(jié)語(yǔ)境參數(shù)到音節(jié)基頻包絡(luò)模板的映射規(guī)則。然后，利用訓(xùn)練語(yǔ)料，統(tǒng)計(jì)計(jì)算不同帶調(diào)音節(jié)在不同語(yǔ)境下的基頻包絡(luò)模板控制參數(shù)(基