汉语对话语气韵律建模方法的研究.pdfVIP

NCMMSC2007 汉语对话语气韵律建模方法的研究* 于剑，黄力行，陶建华 （中国科学院自动化研究所，模式识别国家重点实验室，北京，100080 ） 文 摘：本文构建了一个普通话对话语气韵律模型。在构建该对话语气韵律模型的过程中，本文借鉴了现有陈述语气 韵律模型的研究成果，同时针对对话语气所独有的特点对其进行了扩展。与陈述语气相比，对话语气最明显的特点在 于其具有较快的语速和较窄的调域，然而仅仅通过变换语速和调域却仍然无法模拟出对话语气的特征。本文指出，对 话语气与陈述语气的差别通常体现在：对话语气中音节内部基频曲线往往无法完成其原先固有的调形，本文将这种现 象称为“未完成现象”。为了模拟这种现象，本文首先利用分类树预测一个音节是正常音节还是未完成音节，并通过 在基频曲线生成模型中对未完成音节进行特殊处理，使之能够生成具有对话语气韵律特征的基频曲线。听辨实验证明， 基于本文所提出韵律模型合成的语音表现更加自然和口语化。 关键词：语音合成、对话语气、韵律建模 中图分类号： 随着基于大语料库语音合成技术的逐渐进 与陈述语气的本质差别。本文依据大量的实验指 步，语音合成系统的表现越来越好，当前的合成 出，对话语气与陈述语气的主要差别通常体现在： 语音已经非常清晰，具有很高的可懂度，然而用 对话语气中音节内部基频曲线往往无法完成其原 户依然能够轻易分辨出合成语音与自然口语的不 先固有的调形，本文称这种现象为“未完成现象”。 同。也即是说，合成语音的自然度依然不够。为 对话语气通常语速较快，并且往往具有较为 了使合成语音听起来更加自然，在自然口语中经 随意的发音方式。这就会导致在某些情况下，当 常出现的许多语言现象、副语言学现象、甚至非 一个音节结束时，其完整的发音模式却还尚未结 语言学现象都应该被包含在合成语音中。当前， 束，基频曲线的表现只是相应陈述语气中基频曲 全球的研究者已经对如何在合成语音中模拟这些 线表现的一部分，这种现象即被称为“未完成现 现象表现出了极大的兴趣：werner 使用一个发音 象”。这种未完成现象不仅使得未完成音节失去了 序列模型来模拟自然口语中发音的变化[1] ； 原先固有的调型，同时未完成音节附近的音节也 kiriyam 在对话系统中通过控制话语焦点生成答 受到较大影响，其调型相比对应陈述语气中的调 复语句[2]；Campbell 使用短语作为基本单元构建 型也发生了很大变化。为了模拟这种未完成现象 了一个拼接合成系统用来合成对话语音[3] ； 以及其对附近音节的影响，本文首先基于分类树 Sundaram 在语言层和声学层模拟自然口语的特 构建了一个音节类型预测模型，该模型用来预测 征[4]；Adell 分析了重复现象和插入停顿现象的 对话语气中的一个音节是未完成音节，还是正常 韵律特征[5];Carlson 研究了自然口语中犹豫现象 音节。基于该预测结果，一个原先用于陈述语气 所表现出的韵律特征和声学特征[6]。 的韵律模型被修改扩展以模拟未完成现象对基频 与陈述语句相比，自然口语中所具有的特殊 表现的影响。通过这样的方式，使得合成的语句 现象非常广泛，对每一类特殊现象的研究均是一 听起来更加自然和口语化。 个比较大的研究课题。因此，本文只专注于普通 本文剩余部分结构如下：第一部分描述了对 对话语气的模拟，也即是说，研究对象是不包括 话语