統(tǒng)計參數(shù)語音合成中的頻譜建模及生成方法研究.pdf

1、隨著語音信號統(tǒng)計建模方法的日益成熟和計算機(jī)處理能力的不斷進(jìn)步，近年來統(tǒng)計參數(shù)語音合成(Statistical Parametric Speech Synthesis)技術(shù)發(fā)展迅速。其中，基于隱馬爾科夫模型(Hidden Markov Model，HMM)的參數(shù)語音合成因其具有合成語音流暢度好、系統(tǒng)構(gòu)建自動化程度高、系統(tǒng)尺寸小等優(yōu)點，已成為現(xiàn)今主流語音合成方法之一。然而，該方法存在合成語音音質(zhì)受損、自然度不高的問題。頻譜特征聲學(xué)模型的精度

2、不足和參數(shù)生成過程中的過平滑效應(yīng)是造成合成語音音質(zhì)受損的主要原因。
　　因此，本文圍繞基于HMM的統(tǒng)計參數(shù)語音合成中的頻譜建模和參數(shù)生成方法展開研究工作。首先，本文研究結(jié)合對數(shù)功率譜全局方差(Log Power SpectrumGlobal Variance，LPS-GV)的最小生成誤差(Minimum Generation Error, MGE)模型訓(xùn)練方法，以實現(xiàn)不增加合成端運算量的前提下合成語音自然度提升;其次，本文研究基于

3、受限玻爾茲曼機(jī)(Restricted Boltzmann Machine，RBM)的頻譜狀態(tài)建模與參數(shù)生成方法，以改善原有方法參數(shù)生成階段使用高斯近似帶來的模型精度損失問題;最后，本文研究結(jié)合RBM建模與GV參數(shù)生成的頻譜特征預(yù)測方法，通過組合兩者的技術(shù)優(yōu)勢，進(jìn)一步提升合成語音的自然度。
　　整篇文章的結(jié)構(gòu)安排如下:
　　第一章是緒論，其中簡單介紹了基于HMM統(tǒng)計參數(shù)語音合成方法的基本原理，回顧了其發(fā)展歷史以及技術(shù)現(xiàn)狀。

4、r>　　第二章介紹了一種針對線譜對(Line Spectral Pairs，LSP)參數(shù)的頻譜模型訓(xùn)練方法。該方法使用結(jié)合LPS-GV的MGE模型訓(xùn)練準(zhǔn)則，避免了原有LPS-GV參數(shù)生成方法運算復(fù)雜度過高的問題，在不增加合成端運算量的前提下，提高了傳統(tǒng)MGE訓(xùn)練方法合成語音的自然度。
　　第三章主要研究基于受限玻爾茲曼機(jī)(RBM)的頻譜狀態(tài)建模與參數(shù)生成方法。首先，本文設(shè)計并實現(xiàn)了一種基于Gibbs采樣的高斯近似均值估計方法，該方

5、法可以取得與原有的基于梯度下降的高斯近似方法相近的合成語音性能。然后，本文提出了一種結(jié)合動態(tài)參數(shù)約束的RBM-HMM參數(shù)生成方法，該方法相對高斯近似參數(shù)生成方法可以取得更高的合成語音自然度。
　　第四章主要研究結(jié)合RBM建模與GV參數(shù)生成的頻譜特征預(yù)測方法，以綜合RBM建模精度高和GV參數(shù)生成方法可改善過平滑效應(yīng)的技術(shù)優(yōu)勢。本文設(shè)計實現(xiàn)了兩種不同的結(jié)合RBM建模與GV參數(shù)生成的方式。實驗結(jié)果表明，相對使用單一技術(shù)，兩者結(jié)合后可以進(jìn)