漢語(yǔ)TTS中的韻律建模與合成方法研究.pdf

1、隨著計(jì)算機(jī)技術(shù)的進(jìn)步和其他相關(guān)學(xué)科的發(fā)展，在過去的幾十年間，語(yǔ)音合成技術(shù)有了迅猛的發(fā)展，涌現(xiàn)出了大量的新理論和新技術(shù)。在現(xiàn)階段，語(yǔ)音合成技術(shù)主要是以文語(yǔ)轉(zhuǎn)換系統(tǒng)(Text-To-Speech，TTS)為研究重點(diǎn)。這是一種將輸入的文本轉(zhuǎn)換為語(yǔ)音輸出的技術(shù)。TTS系統(tǒng)一般由文本分析、韻律控制、語(yǔ)音合成和基元庫(kù)四個(gè)模塊組成。這四個(gè)模塊并不是相互孤立的，每一個(gè)模塊的性能都對(duì)最終輸出語(yǔ)音的質(zhì)量有很大的影響。 對(duì)合成系統(tǒng)輸出語(yǔ)音音質(zhì)的評(píng)價(jià)是

2、多方面的，但主要集中在輸出語(yǔ)音的清晰度，可懂度和自然度這三個(gè)方面。當(dāng)前，TTS系統(tǒng)的輸出語(yǔ)音在清晰度和可懂度方面已經(jīng)達(dá)到了比較高的水平，而在語(yǔ)音的整體自然度方面還有待提高。本文主要研究了韻律控制和語(yǔ)音合成這兩個(gè)模塊，希望通過對(duì)這兩個(gè)模塊的研究與改進(jìn)來提高合成語(yǔ)音的自然度。 韻律控制模塊對(duì)合成語(yǔ)音的自然度有很大的影響，對(duì)這部分的研究包括多個(gè)方面，這里選擇韻律建模作為研究重點(diǎn)。韻律模型可以將一些定性的高層韻律信息轉(zhuǎn)換為定量的聲學(xué)參數(shù)

3、，以便提供給后面的語(yǔ)音合成模塊使用。本文運(yùn)用人工神經(jīng)網(wǎng)絡(luò)技術(shù)設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)用于預(yù)測(cè)漢語(yǔ)音節(jié)基頻曲線、時(shí)長(zhǎng)和停頓的模型。實(shí)驗(yàn)表明，這個(gè)模型在一定程度上能夠較好的反映漢語(yǔ)陳述句中音節(jié)的基頻曲線、時(shí)長(zhǎng)和停頓的變化情況。 語(yǔ)音合成模塊負(fù)責(zé)最終語(yǔ)音的輸出，現(xiàn)在普遍采用波形拼接技術(shù)。在選擇最優(yōu)的合成基元序列的同時(shí)，此模塊也需要對(duì)其中一些語(yǔ)音波形做適當(dāng)?shù)男拚?，以使合成語(yǔ)音聽上去更加流暢自然。本文在研究了最優(yōu)基元選擇算法的同時(shí)，也研究了一種基