3TTSASR技术概论.ppt

TTSASR技术;;语音合成定义 ;语音合成技术的应用 ;录音 wav; 现在的语音合成技术，无需对大量的信息进行录音，极大地减少了工作量和节省了存储空间，尤其是在信息内容需要经常变动的动态查询场合，如股市行情查询、有声Email系统，都是传统的预录音技术无法代劳的。结合其他技术，语音合成技术可以广泛应用于金融、邮电、工商、 政府机关、交通、教育、游戏等领域。;几个语音合成技术的应用实例; 2.教育与娱乐软件 ?; 现在计算机游戏中的人物，或者不会说话，或者只会“ 播放”已经录好的声音。利用语音合成， 游戏中的人物可以说出任意的话语，不同的人物可以通过选用不同的音库而形成不同的说话风格。增加了游戏的趣味性和互动性;1. 语音信号的波形合成（录音合成技术） 采用数字存储技术存储基本的语音信息。 在合成时采用恰当的技术手段挑选出所需的语音单元拼接起来，生成高自然度的语句，这就是波形拼接的语音合成方法。为了节省存储容量，在存入机器之前还可以对语音信号先进行数据压缩。;录音 wav;语音库 （语音单元） 语音的波形 编码;2. 语音信号的参数合成;3. 语音信号的规则合成; 给出待合成的字母或文字后，根据语义规则和语音规则，确定每个字的音素的组成和句子的低层结构。为每一个词、每一个音节确定重音等级和语句结构及语调，其中包括各种停顿等，这样，文字串就变成了代码串。 声学处理就利用规则将代码串转换成连续的语音波。;欢迎使用微软中国研究院中文语音合成系统 采用TTS技术合成语音 http://research. M/speech/tts;;TTS合成技术;TTS合成技术的应用;文本;文本分析;2.文本分析工作的三个主要步骤：;3.文本分析系统的基本框图;自动分词;多音字处理;声调调整;4.文本分析的输出;语音合成方法; 单独发声的一个音节或是语音流中的任何一个音节都可能由7部分组成。;2.语音数据库;3.语音合成步骤;五、韵律控制;基音同步帧周期的调整;;语音识别技术概述;一、语音识别的定义;二、语音识别的应用; 1.语音识别以IBM推出的ViaVoice为代表，国内则推出Dutty ++语音识别系统、天信语音识别系统、世音通语音识别系统等。 2. 数据库检索：对庞大的数据进行繁杂的检索和查询，通过使用语音识别技术，将变得轻松、方便。 3. 特殊的环境所需的语音命令：用语音发出操作指令。; 采用语音识别和语音合成技术，能与客户进行交互式对话，帮助客户找到他们所需要的商品。一个动作传感器可以启动系统，询问顾客“需要我帮你寻找什么吗？”如果顾客回答说“我在找面包。系统将会告诉顾客：“面包在第11过道，就是直接往前第3个过道，我们今天有全麦面包特惠，需要我为您打印一张优惠券吗？; 德国西门子公司推出的一种新洗衣机,洗衣物非常专业，知道为什么样的脏衣物选择合适洗涤程序和洗涤剂，而主人只需要口头命令即可，比如 “半个小时后再洗”。 与普通洗衣机的不同之处是安装了语音识别芯片，能根据用户的语音指令确定洗涤程序。 ;三、语音识别的类型;2.根据识别的词汇量来分，有： （1）大词汇（1000个以上的词汇，如会议系统） （2）中词汇（20～1000个词汇，如定票系统） （3）小词汇（1～20个词汇，如语音电话拨号）;四、语音识别的方法;; 由于语音有较大的随机性，即使同一个人在不同时刻的同一句话发的同一个音，也不可能具有完全相同的时间长度，因此时间伸缩处理是必不可少的。 DTW用满足一定条件的时间规整函数，描述待识别模式和参考模板的时间对应关系，求解两个模板匹配，就是累积距离测度最小对应的规整函数。;2.随机模型法 采用HMM模型，使用概率参数来进行估计和判决。;A2; 句法层：每个句子由若干字构成，每个字都选自于字库。 字层：每个字由音子串接而成，需要一个数据库来描述每一个字如何用音子串接的。 语音层：每个音子用一个HMM模型及其相应的参数来描述（状态及其状态间的转移）。 声学层：提取语音帧特征矢量。;1.对自然语言的识别和理解。首先必须将连续的讲话分解为词、音素等单位，其次要建立一个理解语义的规则。 2.语音信息量大。语音模式不仅对不同的说话人不同，对同一说话人也是不同的，例如，一个说话人在随意说话和认真说话时的语音信息时不同的。一个人的说话方式随着时间变化。;3.语音的模糊性。说话者在讲话时，不同的词可能听起来是相似的。这在英语和汉语中常见。 4.单个字母或词、字的语音特性受上下文的影响，以致改变了重音、音调、音量和发音速度等。 5.环境噪声和干扰对语音识别有严重影响，致使识别