HMM在基于參數(shù)的語音合成系統(tǒng)中的應用.pdf

1、語音合成是人機交互的關鍵技術之一。隨著電子計算機的迅猛發(fā)展，語音合成技術由早期的基于拼接調整合成，逐漸發(fā)展為目前基于參數(shù)的語音合成技術。本文主要是對隱馬爾可夫模型(HMM)在基于參數(shù)的語音合成系統(tǒng)中的應用方面進行了研究和探索。本文的主要研究工作如下：首先，基于對現(xiàn)有語音自動切分技術框架的分析，提出了不定長單元模型，改善切分的精度。目前，基于拼接的語音合成系統(tǒng)需要首先對語料庫進行語音自動切分，基于隱馬爾可夫模型的語音自動切分方法普遍采用的

2、聲學模型是三音子模型。本文針對一些語音單元間的協(xié)同發(fā)音現(xiàn)象和音變現(xiàn)象對切分精度造成的不利影響，提出了基于不定長單元模型的語音自動切分方法。具體定義了不定長語音單元，討論了不定長單元的選取，并對建立相應的模型，在模型的訓練方面也給出了解決的方案。實驗結果，長單元的邊界切分精度比三音子模型有了很大的提高，精度從原先的79.55%提高到了89.13%，同時總體切分精度也有了一定的提高。結果表明，不定長單元模型對于語音自動切分，特別是對三音子模

3、型表現(xiàn)較差的長單元邊界上，能達到比三音子模型更好的效果本文首先介紹基于HMM的自動切分的基本流程，并通過分析由于不同音子間的緊密結合而產生的音變現(xiàn)象，提出一種基于不定長單元模型并給出其訓練算法?；贖MM的自動切分技術的分析和改進工作，為后面基于HMM的可訓練語音合成的深入研究奠定一定的基礎。其次，基于現(xiàn)有的模型訓練和參數(shù)生成技術，對基于參數(shù)的語音合成的技術框架中的一些關鍵技術進行分析，并根據(jù)需要構建了中文的基于參數(shù)的語音合成系統(tǒng)。本文

4、建立了一整套的基于參數(shù)的語音合成系統(tǒng)，包括模型的訓練流程和相應的語音合成模塊。它可以根據(jù)原始的語音數(shù)據(jù)進行訓練，并自動生成一個的合成系統(tǒng)。同時，本文在此框架基礎上進行了中文基于參數(shù)的語音合成系統(tǒng)的訓練和構建，對基于參數(shù)的語音合成技術進行效果驗證。此外，本文根據(jù)基于最小化生成誤差的訓練準則，對模型進行了改進，在新的準則下優(yōu)化合成語音的音質。最后，研究基于參數(shù)的語音合成在說話人轉換語音合成中的應用。在基于參數(shù)的語音合成進行說話人轉換應用中，