中文语音合成系选音方法研究.pdf

中文语音合成系统选音方法研究 摘 要 随着计算机存储容量和计算能力的快速提高，文语转换(TTS)研究取 得了显著的进展，合成语音的质量得到了不断提升。伴随着TTs系统应用 领域的不断扩大，人们对合成语音的可懂度和自然度提出了越来越高的要 求。如今，采用基于拼接式的语音合成方法能够提供很高可懂度的合成语 音，而如何进一步提高合成语音的自然度便成了当前文语转换的研究热点。 本论文从选音的角度，针对拼接式中文语音合成系统，研究了提高合成 语音自然度的方法和措施。文中分别从基频曲线、能量曲线以及音库音质等 方面出发，根据实际采集的语音音库特点提出了相应的选音方法，达到提高 合成语音自然度的目的。 在基频曲线控制方面，根据系统语音音库的统计结果，提出相邻拼接字 Than 对应基频曲线间三类不同的约束条件，分别为MTC(More Than Constraint)，LTC(Less Constraint)和NC(NoneConstraint)。根据 相邻拼接字声调的不同组合，以各候选拼接字基频曲线的起始频率和结束频 率作为控制参数，定义相应的代价函数。将各候选音对应的实际代价函数值 引入选音过程，采用基于全局最优准则的方法选出全局最优候选音。提出相 邻拼接字基频曲线约束条件的出发点就是通过在选音时考虑相应的约束条 件，选出相对最佳的候选音，从而达到减弱拼接处基频的非正常跃变，以期 达到改善合成语音自然度的目的。实际合成试验结果验证了方法的合理性和 有效性。 在能量曲线控制方面，本文提出将拼接音的边界能量(拼接音的起始能 量和结束能量)用于控制候选音边界能量的过渡。为了使拼接音边界能量的 控制更有效，文中对边界能量的定义参数作了探讨。 在音库音质方面，文中从语音库语音音质的角度出发，提出了提高合成 语音自然度的方法。通常，基于拼接式语音合成方法所使用音库的语音数据 量较大，数据采集的过程一般也较长。在整个数据采集过程中，～般很难保 证数据采集设备、录音的声学环境以及发音人发声状态均保持在相同的水 平，从而在不同时段采集到的语音音质一定会存在或大或小的差异。而采用 存在明显音质差异的语音单元进行语音合成将直接影响最终合成语音的自然 度。为了最大限度地避免这种情况的发生，本文提出了基于话音识别的选音 方法。根据实际音库的音质特点将音库中所有的音划分为不同的类。在选音 时将音质信息引入，根据选音准则，在兼顾其它声学参数的’隋况下，选出具 有相同或相似音质的候选音用于最终语音合成．以期获得具有最好自然度的 合成语音。实际合成试验结果显示了方法的有效性。 此外，文中对候选音基频均值匹配、协同发音特征属性匹配、音节时长 匹配以及重读音在选音中的控制给出了具体的方案。 最后，根据各特定的选音控制方法，构建了一套基于代价函数全局最优 化选音的文语转换系统。 关键词：文语转换，语音合成，拼接，选音，代价函数 in Mandarin UnitSelection Text-to·SpeechSystem Abstracts the of and Withfast memory developing capabilitycomputationalpower， achieved of greatSuccess．Qualitysynthesizedspeech text—to—speech(1vrS)has theever 1rrS hasbeenever of area，higher