语音合成技术在藏语TTS中的应用的的研究.pdfVIP

第27卷总第61期 西 北 民族 大 学 学 报 (自然科学版) V01．27．No．1 2006年 3 月 JournalofNorthwestUniversityforNationalities(NaturalScience) March，2006 语音合成技术在藏语 TTS中的应用研究 杨 博 ，于洪志2，关 白2 (1．太原科技大学，山西 太原030024；2．西北民族大学 中国民族信息技术研究院，甘肃 兰州730030) 【摘 要]语音是人类相互交流和通信最方便快捷的手段，而语音中的韵律包含 了说话人的意图信息，在帮助听者 理解语言及意图时十分有用 ．对于韵律的研究是语音舍成技术中的重要研究课题 ．通过介绍语音韵律控制技术及其在 1vrS中应用的一些情况，内容包括语音韵律研究的基本情况及今后的工作重点。语音合成技术中韵律调整的方法。以及 中的韵律生成模型和声学模块 ． [关键词】计算机应用；信息处理；文语转换；韵律；语音合成 [中图分类号】TP391 [文献标识码]A [文章编号]1009—2102(2006)01—0040—03 语音合成即文语转换(TextToSpeech)，简称TTS技术 ．TTs的研究工作建立在语音语料库建设 的工作基础之上，后者要求语音语料库尽量涵盖音段发音和超音段的音联现象，除了反映声调、语调等 超音段信息以外，最重要的是体现语音音段间，特别是音节间的音联现象，其中对语音 自身韵律的深入 研究和了解是这两方面研究的重要课题 ． 自然语音中感情和语气的丰富变化，是通过音高、音强和响度等方面的变化表现出来的。这些特征 称为韵律(Prosody)．韵律主要是听觉特征，它们是心理量，因此需要用时长、幅度、基频等声学特征来测 量 ．韵律规则由说话方式和语言本身规律两者共同确定 ．可以说，说话方式给整个语境奠定了一个全 局基调，而个性、情绪都会对韵律产生影响 ．TTS只有充分表现出语言本身的韵律特征，才能得到 自然 度和可懂度都比较高的合成语音 ． 1 语音合成技术中的基元选取和韵律调整 韵律包含了系统的感知信息和说话人的意图信息，在帮助听者理解语言及意图时十分有用 ．从听 觉的角度出发，常常利用音长、音强、音高和音色四个语音听觉特征来描述韵律，此外，语音中适当的停 顿也是韵律的一个很重要成分 ．从声学角度出发，它们对应的语音特征有时长、幅度、基频和频谱等 ． 基频是韵律特征中最主要的声学特征，说话过程中，声音基频的变化反映了说话人的情绪，或是语句内 容的不同重要性 ． 11 TTS中合成基元的选取 由于语音的音联现象，在音节 内部，声母和韵母在时间上连接紧密，在特性上相互影响 ．而在相邻 音节、词汇之间的影响就逐级变小 ．音素是音的最小单位，音素作为合成基元，所需的存储容量小，但难 于表达语音复杂多变的细微韵律特性 ． TTs中以音节为单位建立起语音数据库，此外，辅助建立了字母(包括声韵母)、词汇、短语、句子的 [收稿 日期]2005—12—10 [基金项 目】国家 自然科学基金项 目(基金号 [作者简介]杨博(1978一)，男，陕西省宝鸡市人。硕士，主要从事语音处理方面的研究 ． - - — — 40 -·—— 语音库 ．韵律的研究，既要尊重语音表现的物理规律，又要注意语言习惯，还要符合人的主观感知结果， 重点需要分析时长、基频和幅度之间的关系，在重读时，即幅度增大时，发音的基频和幅度都是提高的， 基音周期数增多 ． 假设已知一个文本序列：zI’z2，…，zj，…，z ；选定的相应语音基元序列：Y1，Y2，…，Y1…，Y，其中 为音节的序号，为文本序列中文本单元的数目．定义：文本序列中的某个文本单元 有多个候选的 语音数据在语音数据库中Yil，Yi2，… ，…，Yi，其中定义Yik为z对应的第七个候选者，优为本组候选 单元的个数．定义韵律匹配代价函数F(y~k)，用于度量候选单元3，与相应的文本单元 韵律特征参数 信息的不匹配程度 ．该函数值越大，说明候选单元越不符合相应的待合成文本单元的韵律特征要求 ． 在进行基元选取时，从BaYes的准则出发，为每个文本单元 z计算其对应的每个候选基元的韵律 匹配代价函数值，并且选择代价函数值最小者F( )=min{F(．y)}(1≤k≤m)，则 ．)，c『为最