情感語音合成.pdf

1、語音是最理想的人機交互方式之一,而語音合成技術則是實現(xiàn)語音人機交互的基礎。從第一個電子語音合成器問世以來,隨著各種新技術手段的應用,特別是近年來隨著基于基音同步疊加、結合大規(guī)模自然語音庫和數(shù)據(jù)挖掘等智能算法的語音合成方法的流行,語音合成技術在可懂度和自然度上達到了相當?shù)乃?并且開始產業(yè)化,逐漸進入人們的日常生活。語音合成技術的推廣應用,對語音合成的質量提出了更高的要求。如何進一步提高語音合成的表現(xiàn)力,特別是讓合成語音能夠模擬表達說話人

2、的情感狀態(tài),是語音合成未來發(fā)展的趨勢,也是語音合成研究領域所面臨的一個難題。情感語音合成是一個跨學科的、具有很高理論價值和應用價值的研究課題;作為語音合成的一個新的研究方向,正受到眾多研究者越來越多的關注。
　　本文以情感語音的基頻特征為主要研究對象,以合成情感語音為主要研究目標,對基于基頻特征的情感語音建模以及情感語調規(guī)則指導下的情感語音合成器設計等問題進行了較深入的研究。在此基礎上,構建了一個語音合成系統(tǒng),該系統(tǒng)除了可以驗證本

3、文提出的模型方法外,還可以作為語音處理相關研究的實驗平臺,為以后的研究工作創(chuàng)造良好的實驗條件。
　　本文的主要創(chuàng)新點如下:
　　(1)從情感語音處理的需求出發(fā),通過對Fujisaki基頻模型進行改進,提出了一種對情感語音基頻進行建模的方法。該方法首先利用高通濾波器分離出基頻曲線中的低頻成分和高頻成分,再分別從低頻成分和高頻成分中提取模型的短語命令參數(shù)和聲調命令參數(shù)。提取命令參數(shù)時根據(jù)命令響應函數(shù)的特性,設計了從左往右、依次迭

4、代提取的方法。該模型方法能夠將基頻曲線根據(jù)明確語音學含義進行參數(shù)化,并且模型參數(shù)分布與情感模式有一定的對應關系。同已有的同類研究相比較,本文所提出的基頻模型能夠反映語音的情感特征,所給出的模型參數(shù)提取方法簡潔、有效,不需要任何手工標注。
　　(2)提出了一種數(shù)據(jù)驅動的語調模型方法,建立了特征語調的概念,并將相關的概念和方法用于分析普通話中情感模式對應的情感模式語調。在限定語料長度、結構以及說話人的前提下,采用主成分分析方法獲取6個

5、特征語調,借助這6個特征語調表示所有的語調。實驗表明,本文提出的特征語調能夠在可以接受的誤差范圍內擬合出所有語調,并且使用特征語調分析出的情感模式語調具有相當?shù)那楦斜磉_能力。另外,本文還對采用特征語調表達混合情感模式的相關問題進行了探討。通過將原始語調投影到相應的低維空間，可以得到語音情感模式在低維空間中的分布規(guī)律。利用所得到的分布規(guī)律可以通過控制語調實現(xiàn)在不同情感模式之間的轉移。上述語調表示方法可以用于包括情感語音合成在內的諸多應用。

6、
　　(3)基于自相關函數(shù)法，并結合無聲段Hermite插值、分段三次多項式迭代擬合等方法提出了獲取基頻曲線的改進算法。該方法能夠簡單、快捷地從原始語音中提取出光滑的基頻曲線，從而為基頻建模研究打下基礎。
　　(4)在情感語音數(shù)據(jù)庫相對匾乏的現(xiàn)狀之下，針對語音產生的機理復雜、語音語調受包括語法句式、重音、說話人情感以及說話人個性特征等在內的眾多因素影響的特點，為了突出語調如何受情感因素影響的研究初衷，本文設計、制作了相應的情