普通話合成基元數(shù)據(jù)庫的設(shè)計(jì)與搜索.pdf

1、隨著人機(jī)語音通信的發(fā)展，語音合成系統(tǒng)成為了當(dāng)前研究的熱點(diǎn)。影響合成音質(zhì)的因素包括文本分析技術(shù)、韻律規(guī)則、合成基元數(shù)據(jù)庫質(zhì)量以及拼接技術(shù)等。本文主要研究普通話合成基元數(shù)據(jù)庫的設(shè)計(jì)與搜索，數(shù)據(jù)庫的基元是直接從自然語音中截取的，且擁有多個(gè)樣本，包含了足夠的韻律和譜變化。由于合成時(shí)根據(jù)搜索算法，挑選拼接代價(jià)最小的樣本直接拼接，避免了采用信號(hào)處理技術(shù)修飾韻律對(duì)音質(zhì)的損害，所以最大限度的保留了語音的自然度。 為了確定合適的基元，在此我們

2、對(duì)不同種類基元的語音學(xué)特點(diǎn)進(jìn)行了分析。 由于普通話是基于音節(jié)的語言，有規(guī)則的CV(Consonant+Vowel)結(jié)構(gòu)音節(jié)，同一個(gè)音節(jié)的音素之間有很強(qiáng)的協(xié)同發(fā)音，而音節(jié)邊界音素之間的協(xié)同發(fā)音相對(duì)較弱，因此“帶有聲調(diào)的音節(jié)”被選為合成基元。 通過對(duì)普通話發(fā)音特點(diǎn)的分析，將音節(jié)的韻律特征用一個(gè)五維語境向量DCVV(Descriptive Contextual Variation vector)來表示。為了在拼接時(shí)搜索出恰當(dāng)韻律的基

3、元，我們?cè)O(shè)定并優(yōu)化了語境向量元素距離表。設(shè)計(jì)過程同樣基于普通話的發(fā)音特點(diǎn)，考慮到語音的平均拼接代價(jià)和平均意見得分有較強(qiáng)的關(guān)聯(lián)，因而對(duì)語境向量距離表的優(yōu)化通過提高AvCCost和MOS的相關(guān)系數(shù)來實(shí)現(xiàn)。這里采用少量數(shù)據(jù)進(jìn)行了Matlab仿真實(shí)驗(yàn)，結(jié)果證明該優(yōu)化方法是可行的。 我們還將GSM 13kb/s RPE-LTP和ADPCM兩種語音壓縮編碼方法用于基元庫，進(jìn)一步減小了數(shù)據(jù)庫容量?？梢愿鶕?jù)速率和語音質(zhì)量需求選擇不同的壓縮算