語音合成及其韻律研究.pdf

1、隨著計算機技術(shù)和信息技術(shù)的飛速發(fā)展,人機交互方式發(fā)生了重大的變化,應(yīng)運而生的語音合成技術(shù)是將計算機自己產(chǎn)生的或從外部輸入的文字、符號、數(shù)字等信息轉(zhuǎn)換成自然流暢的語音信號輸出,這種技術(shù)又稱文語轉(zhuǎn)換技術(shù)(Text to Speech,簡稱TTS)。早期的TTS系統(tǒng)多采用參數(shù)合成方法,該方法在理論上相對比較成熟,易于實現(xiàn),但實際合成的連續(xù)語音總是不夠清晰、自然。近幾十年來國際和國內(nèi)的研究主要集中在按規(guī)則文語轉(zhuǎn)換,即將書面語言轉(zhuǎn)換成口頭語言?；?/p>

2、于語音數(shù)據(jù)庫的語音合成方法有望進一步提高語音合成的自然度。由于這是一種采用自然語音波形直接拼接的方法,進行拼接的語音單元是從一個預(yù)先錄下的自然語音數(shù)據(jù)庫中挑選出來的,因此有可能最大限度地保留語音的自然度。但是,目前在拼接式語音合成中所采用的信號處理技術(shù)僅僅適合于對原始基元的基頻、時長、能量等韻律特性進行修改,而對于拼接基元的頻譜特性則無法進行適當(dāng)?shù)男薷膩頋M足相應(yīng)的語音發(fā)聲差異的變化。由此產(chǎn)生了一系列新的需要研究的問題,包括:如何確定語音

3、合成的基元,根據(jù)什么準(zhǔn)則去挑選合適的基元,韻律參數(shù)定量化問題,對數(shù)據(jù)庫進行定標(biāo)問題;以及如何將統(tǒng)計的方法和規(guī)則方法相結(jié)合使計算機能自動發(fā)現(xiàn)和找出所需的語音單元,保證最高的合成語句的自然度等等。在語音合成領(lǐng)域研究者們最關(guān)心的問題之一依舊是如何提高合成語音的自然度?，F(xiàn)有語音合成的研究方法能在一定程度上提高語音的合成度,但還不能得到人們理想的合成效果。影響合成語音質(zhì)量的一個很重要因素在于目前使用的韻律規(guī)則不夠完善。
　　本文以當(dāng)前語音合

4、成技術(shù)的發(fā)展方向為研究的出發(fā)點,首先優(yōu)化了韻律參數(shù),并將其應(yīng)用到關(guān)聯(lián)規(guī)則對韻律參數(shù)進行規(guī)則提取的方法中,提出采用優(yōu)化韻律參數(shù)后的規(guī)則提取過程,并對原有的Apriori算法進行改進而獲得更適合語音合成的ODApriori算法,通過該算法可將原有Apriori算法得到的韻律規(guī)則進一步細分,得到更多研究者感興趣的規(guī)則。其次語音合成技術(shù)的應(yīng)用不可能總是建立在無限大的語音數(shù)據(jù)庫基礎(chǔ)上,為了將數(shù)據(jù)庫控制在合適的范圍內(nèi),提出了一種使語音特性盡可能體現(xiàn)