汉语疑问语气的声学特征研究.pdfVIP

汉语疑问语气的声学特征研究* 蒋丹宁， 蔡莲红 清华大学计算机系，北京，100084 jdn00@mails.tsinghu.edu.cn, clh-dcs@tsinghua.edu.cn 摘要 本文分别研究了声学特征在汉语疑问语气感知和语气分类中的作用。一方面，利用语音 合成方法，有选择性地将疑问语句的声学特征复制到相应的陈述语句中，并将得到的合成语 音作为感知实验的听觉刺激材料，通过分析感知实验的结果研究声学特征在语气感知中的作 用。另一方面，从统计分类的角度，在较大规模语料上提取声学特征，以 Fisher线性判别准 则数度量其在不同语气间的区分特性，研究声学特征在语气分类中的作用。本文的工作发现， 基频曲线包络和平均基频特征分别在语气感知和语气分类中起着最为重要的作用，同时声学 特征和语气之间的映射关系与语句末音节的声调相关。 1. 引言 语音信号中不但包含与文字相对应的表意信息，还包含着丰富的表情信息。由于表达时 语气、情感等方面的差别，文本相同的语音可能具有不同的含义和语用功能。因此，表情信 息在语音交流中具有重要意义。然而，当前的计算机语音技术在处理语音中所包含的表意信 息的同时，忽略和丢弃了大量的表情信息。例如：语音识别系统将语音转化为文字，但损失 了与说话人说话方式、态度倾向、情感状态等相关的信息；大多数的语音合成系统只能产生 朗读语气的合成语音，远远不能合成自然的、具有不同语气、表达多种情感的语音。这些问 题大大降低了人机语音交互的效果和效率，严重限制了人机交互的自然性。 解决上述问题的基础是分析在语音的声学信号中，哪些声学特征与表情信息相关，并建 立两者之间的映射模型。考虑到在语音合成和识别两方面应用的需要，应该分别从感知的角 度和统计分类的角度建立最优的映射模型。显然，这两个模型之间可能存在着差别。 本文着重分析汉语中，与疑问语气相关的声学特征。在此方面，已有的研究工作大多从 语调研究的角度，定性地分析语气不同所引起的语调上的变化，如 Garding (1987: 2) 、沈炯 （1983：5；1994：6 ）以及 Shen (1989: 4 )等人的工作。在这些工作中，研究者通常精心设计 少量典型的、具有相似韵律结构和声调组合的分析语句，提取其声学参数，在不同语气的语 调之间加以观察、比较，最终得出结论。这些研究工作已经得到了一些重要结论，为探寻汉 语疑问语气在声学上的表现做出了可贵的贡献。然而，仅仅对少量语句的声学参数加以测量、 比较，无法反映其在语气感知和语气分类方面的作用，因此也无法获得声学特征和语气之间 最优的映射模型。 由此，本文的工作采用了新的研究方法。一方面，为研究声学特征在语气感知方面的作 用，利用语音合成方法，有选择性地将疑问语句的某种声学特征或声学特征组合复制到相应 * 本文的研究工作受国家 863 高技术项目（2001AA114072 ）和自然科学基金）资助 的陈述语句中，同时保持该陈述语句的其他声学特征不变。随后将得到的合成语音作为听觉 感知实验的刺激材料，通过分析感知实验的结果研究该声学特征在疑问语气感知方面的作用。 另一方面，从统计分类的角度，在较大规模语料上提取声学特征，在进行了针对说话人的归 一化处理之后，由 Fisher 线性判别准则度量各声学特征在不同语气之间的区分特性，从而得 到其在语气分类方面作用的相关结论。 本文的具体安排如下：第 2 节介绍研究中所采用的语料，第 3、4 节分别阐述感知实验以 及统计分类研究中采用的具体方法，实验过程和得到的实验结果、结论等。 2. 分析语料 本文所研究的语句均为单句，具有自然的语义和声调组合，并且在其文本中不包含表达疑 问的特殊结构，能够同时以陈述语气和疑问语气自然表达。在录制语料时，要求录音人分别 以两种语气表达相同的文本，并且保证以两种语气表达的语句之间具有相同的韵律结构和重 音分布。这样，陈述语句和与其相对应的疑问语句之间仅存在语气的差别，而在声调、重音、 韵律结构等方面的特性是一致的。实验中采用