基于依存分析的汉语文语转换停顿指数自动标注的研究.pdfVIP

基于依存分析的汉语文语转换停顿指数自动标注研究 qj潜#’，.k}，，翻刘澎2，之承广2 ，哈尔滨工业大学计算机学院语音处理研究室，150001 E-mail:{ygshao..jghan)@ ，哈尔滨工业大学计算机学院信息检索研究室，150001 E-mail:{tliu;zyz}@ 摘要 为ToBI标准中的五级划分[7l，即无停顿、韵律词、 次要韵律短语、主要韵律短语、语调短语;除此之 不同的停顿指数可以将文本切分成适合朗读 外，还有针对汉语的更细致的六级划分即，退化音 与理解的韵律组块，从而保证合成语音能够以自然 节、正常音节、次要短语、主要短语、呼吸群、韵 的节奏表现出来。目前的停顿指数标注所采用的特 律组等等[81。综合考虑了在语料标注时人的感知能 征绝大多数都是较为浅层的词法特征如词性，词长 力和目前的主流划分趋势，本文采用了四级划分， 等。本文利用依存句法分析的结果，抽取出若干同 分别用0-3这四个停顿指数来代表无停顿、韵律词、 停顿指数相关的深层句法特征，实验证明，其中内 韵律短语和语调短语四个层次。 弧跨度和内弧类型等特征对浅层特征较难解决的 目前已有很多研究者从选择特征和分类方法 韵律短语划分问题可以起到很大的提高作用，使韵 的不同角度对停顿指数的自动标注问题进行了比 律短语标注的综合F值提高了48%0 较深入的研究。特征选择包括文本特征和声学特征 尖甜何 :语音合成;停顿标注;韵律层级;依存 9()，其中声学特征是不能从文本中直接获取的，一 分析;语法结构 般来说只有在进行语料库自动标注的工作中才能 1. 引言 够应用到，而在实际的语音合成系统中，特征的来 韵律特征表现的好坏是合成语音自然与否的 源只能是文本信息。对文本的特征抽取通常包括如 关键。在语音合成系统中，对韵律的预测通常包括 标点、词性、词长、位置等一些表层信息[4][101，以 对文本层韵律表示的预测和对声学层韵律参数的 及一些深层信息，如语法结构(11][121、依存关系”3] 预测[1]。文本层的韵律表示包括如停顿指数、重音 语义等。对于不同的分类方法，研究者们也有过很 等级、音调、语调等;声学层韵律参数则包括音高、 多尝试，早期的研究主要采用基于规则的方法[141 音强、时长等等，而文本层韵律的预测质a又将直 通过专家知识总结出划分规则，近年来基于大规模 接影响声学层参数的预测和实现。文本预测参数中 语料库的统计方法盛行，随机统计模型被广泛应 的停顿指数主要反映的是人们所能感知到的音节 用，如马尔科夫模型[4]、决策树6等。 之间以及音节和无声段边界处的音联程度[[21。从对 本文主要探讨的是句法结构对停顿划分的影 自然话语的分析结果来看，韵律结构的层次和停顿 响。目前大多数学者都认为句法结构和停顿的划分 指数的等级大体上是一致的[[3)，如大的停顿一般