中文TTS系統(tǒng)中若干關(guān)鍵技術(shù)研究.pdf

1、TTS系統(tǒng)是一項非常有用的技術(shù)，它可以將任意文本信息轉(zhuǎn)換為語音信號。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，e-mail閱讀等等?，F(xiàn)有的基于大語料庫的TTS系統(tǒng)已經(jīng)能夠產(chǎn)生高清晰度和自然度的合成語音，并已得到較大的發(fā)展和應(yīng)用，但是還存在著一些問題。尤其引人注目的是其音庫巨大，無法將其應(yīng)用到存儲空間受限的設(shè)備上去，這就嚴重地制約了語音合成技術(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、的語音合成系統(tǒng)，另一類是在保持合成語音自然度和清晰度的前提下，降低大語料庫中的聲學(xué)冗余度，從而實現(xiàn)高效率的壓縮(小音庫TTS系統(tǒng))。以上兩種方法都可以大幅降低TTS系統(tǒng)的存儲容量，比較而言：在存儲容量方面參數(shù)合成方法更有優(yōu)勢，但在合成語音的質(zhì)量方面，后一類方法更好。 本文針對后一類合成系統(tǒng)中的若干關(guān)鍵問題進行了深入的研究，具體的工作成果與創(chuàng)新如下： 1、對小音庫的TTS系統(tǒng)而言，合成基元庫和韻律模型是兩個重要的組成部分，

3、而它們的構(gòu)建都依賴于一個帶韻律標注的大語料庫。其中連續(xù)語音的準確切分和標注是一項十分重要的工作，并且費時費力。為了解決這個問題，本文提出了一種統(tǒng)計與規(guī)則相結(jié)合的語音自動切分和標注方法。具體的步驟是：首先以兩種HMM模型對連續(xù)語音做粗切分，然后再針對不同的音素邊界類型，采用不同的后處理方法，對HMM的切分結(jié)果進行調(diào)整，從而實現(xiàn)精確切分。這些后處理的方法將被分別用于檢測靜音和語音，清音和濁音，以及在譜域上的時間突變點。這種方法不僅簡單而且還

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

5、音庫或嵌入式TTS系統(tǒng)對合成語音清晰度和自然度的要求。 3、本文還利用統(tǒng)計的方法，對小音庫的TTS系統(tǒng)的韻律模型進行了研究，給出了一組能夠預(yù)測句子基頻包絡(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)測音節(jié)的基頻包絡(luò)，我們首先通過聚類獲得音節(jié)典型的基頻包絡(luò)(基頻包絡(luò)模板)，再采用決策樹方法來學(xué)習(xí)句中音節(jié)語境參數(shù)到音節(jié)基頻包絡(luò)模板的映射規(guī)則。然后，利用訓(xùn)練語料，統(tǒng)計計算不同帶調(diào)音節(jié)在不同語境下的基頻包絡(luò)模板控制參數(shù)(基