韻律層次預測中基于統計模型的機器學習方法研究.pdf

1、語音合成是從文本生成語音的技術。為了生成高自然度的語音，一方面要從文本信息預測出準確翔實的韻律信息，包括韻律層次、重音分布、基頻曲線、時長、停延、能量等。一方面是制作大規(guī)模合成語音庫中，收錄豐富的、足具表現力的語音基元。韻律層次的預測是生成基頻、時長等其他韻律參數的前提條件，是影響合成語音自然度的重要因素。 本文首先對韻律層次預測的研究歷史和現狀做了較為完整的調研。通過對前人工作進行深入了解，作者認為基于機器學習的方法在目前條件

2、下，優(yōu)于人工總結規(guī)則的方法，今后幾年應繼續(xù)在該方向開展更多的研究工作，并且應著力解決好屬性信息選擇和統計模型選擇這兩個問題，一方面努力利用好更多有利于韻律預測的語法、語音、統計信息，一方面尋找更適合該任務的統計模型和算法。 圍繞這兩個方面，本論文闡述了作者在語調短語預測方面的研究，主要工作包括： 第3章提出了基于相似句的韻律短語邊界預測方法。對于任意一個輸入的句子，該模型都從一個帶有韻律短語標注的句子庫中尋找其相似句，然

3、后根據找到的一個或者多個相似句的韻律短語邊界位置，決定輸入句的韻律短語邊界位置。在尋找相似句中，提出了相似距離的度量方法——合成的編輯距離，同時考慮了詞性、詞義、音節(jié)數目對韻律短語邊界位置的影響。在1000句測試集上的實驗結果表明該方法能夠達到我們預期的效果，即在能夠接受的手工標注工作量下，超過現有決策樹的效果。 第4章提出了基于最大熵模型的語調短語邊界預測方法。在已有的特征CCFS(CountCutoffFeatureSele

4、ction)方法的基礎上，本文提出了特征上下文CCFS方法和基于似然比的特征選擇方法。實驗證實，特征上下文CCFS方法的效果最好。同時比較了傳統的基于決策樹的方法和基于最大熵模型的方法的效果，指出在使用相同屬性的條件下，最大熵模型更適合于語調短語邊界的預測。 第5章針對目前多數方法只利用局部上下文信息的局限，提出了三種平滑模型，把語調短語的長度分布信息有效地跟局部上下文信息相融合，顯著地提高了整個系統的預測效果。這三種平滑模型分