基于混合激励的高质量语音合成声源模型.pdfVIP

基于混合激励的高质量语音合成声源模型 原国平1,1r方厌丈’，君男新1,1r君求沂，，王劲撇’ I(中国科学院声学研究所北京100080) Email:chen 2(中国科学院研究生院，北京100039) 摘要 为基音周期的脉冲序列、清音语音段用随机噪声序列代替余 量信号，可得到清晰可懂的合成语音，但自然度不够理想。 在基于LPC的语音合成系统中，采用混合激励声源模 混合激励[21增强了二元激励，采用多带激励的思想，使得合 型可以提高合成语音的自然度，但传统混合激励模型的线性 成语音能够更好的拟合自然语音。日本学者Tokuda将混合激 相位假设与实际语音不符，因而合成语音的自然度还不够理 励应用于基于HMM的语音合成系统中取得了较传统二元激 想。本文提出了一种新的脉冲形状滤波器系数提取算法，该 励更好的合成效果[51。然而，传统的混合激励源模型由于采 算法利用浊音余量信号波形的周期相似性，并在加权均方误 用了线性相位假设，忽视了相位信息对浊音自然度的影响， 差最小的准则下重构浊音相位信息，从而改进了传统混合激 所以合成语音音质和自然语音还有较大的距离。 励声源模型。实验结果表明，改进的声源模型与传统模型相 本文在混合激励思想基础上，提出了一种新的脉冲形状 比合成语音自然度有了显著改善。 滤波器系数提取算法。该算法利用浊音余量信号的波形周期 关甜7:语音合成;分析合成;混合激励;声源模型;周期 相似性特点，在加权均方误差最小准则下采用分析合成的方 相似性 法优化FIR脉冲形状滤波器系数。由于在时域上逼近浊音的 LPC余量信号波形，所以脉冲形状滤波器既恢复了浊音信号 1. 引言 的相位信息又弥补了全极点声道模型假设的缺陷。 基于大语料库波形拼接技术合成语音已经可以达到很 2. 混合激励源模型 高的可懂度和自然度，但在音高、音长等韵律特征调节上存 在局限。尤其当语音合成逐步向小型化和个性化发展时，这 2.1.混合激励源数学模型 种局限的影响就显得更加突出。汉语是声调语言，在连续语 在混合激励模型中，激励源信号e(n)可以分解成噪声激励 音中，音高变化范围相当大，这就要求语音合成算法具有很 信号气(n)和脉冲激励信号ep(n)的混合叠加。即 强的音高调节能力。在诸多语音合成算法中TD-PSOLA[1】已 e(n)=eg(n)+ep(n)。由于语音具有短时平稳的特点， 得到了广泛应用，但TD-PSOLA只具有一定范围内的音高调 通常采取按帧分析的方法。考虑一段短时激励源信号， 节能力，也无法准确实现拼接单元边界处谱的平滑过渡。过 e8(n)可写成下列形式: 大的音高调节，会导致TD-PSOLA合成语音中出现比较明显 的回