闽南语语句基周轨迹产生两种模型之混合及比较.PDFVIP

閩南語語句基週軌跡產生 :兩種模型之混合與比較 Min-Nan Sentence Pitch-contour Generation: Mixing and Comparison of Two Kinds of Models 古鴻炎 黃維 Hung-Yan Gu and Wei Huang 國立台灣科技大學資訊工程系 Dept. CSIE, National Taiwan University of Science and Technology e-mail: guhy@.tw .tw 摘要 本文對兩種基週軌跡的產生模型 ，SPC-HMM 和 ANN ，作改進與擴充然後用以建 造閩南語的基週軌跡產生模型 ，希望以閩南語作為工作語言 ，而其它的語言(如國語 、 客家語)的基週軌跡 ，能夠以調適過的閩南語所訓練出模型 ，來直接產生 。除了研究閩 南語的SPC-HMM 和ANN 模型的建造 ，我們也對此二種模型作了內外部測試之比較 ， 及嘗試作模型混合的研究 ，希望能藉以提升效能 。對於所建造的閩南語基週軌跡 SPC-HMM 、ANN 、和混合模型 ，我們也作了聽測評估 ，初步的結果顯示自然度方面 ， 混合模型的分數比ANN 模型的好 ，而SPC-HMM 模型的則居末 ，所以混合模型在小型 訓練語料下 ，是一個不錯的選擇 。 關鍵詞 ：語音合成 ，基週軌跡 ，ANN ，HMM 1. 前言 語音合成的研究 ，最近有不少人採取 corpus based 的研究方向[1,2,3,4] 。大家也許 會認為，只要copus 夠大 ，就不需要作音調(基週軌跡)調整之信號處理 ，以保持合成單 元的信號清晰度與自然度，亦即不作基週軌跡模型建造和參數值產生的動作。可是實務 上 ，要錄音及製作夠大的corpus ，所需的人力與經費，並不是一般的研究者能夠負擔得 起 ，即使以程式自動作標音(labeling)和斷音(segmenting) ，也仍然需要作人工的校正。 然而當 corpus 不夠大時 ，會遇到的一個和基週軌跡有關的問題是，合成出的句子的語 調，缺乏人類說話時的自然下傾(declining)的表現[5] ，這會讓聽者較難掌握說話的節奏 ， 而另一個可能發生的情況是 ，在合成單元的邊界 ，音調未能平順銜接。此外 ，還存在的 一個明顯問題是，合成語句的說話速度會忽快忽慢地不一致，原因應是來自不同原始語 1 句的合成單元，發音的速度不匹配。基於前述的問題 ，corpus based 的語音合成作法 ， 除非是 corpus 夠大且錄音者能夠一直維持說話的平穩 ，不然還是有需要建造模型來產 生基週軌跡 ，用以檢驗所合成的語句，其語調是否有下傾的表現 ，相鄰音節間的基週軌 跡是否有不平順銜接的地方 。 其實本文研究閩南語語句基週軌跡之產生，是從另一個方向來思考台灣地區的語音 合成研究的問題，就是強勢語言的文句翻語音(text-to-speech, TTS)研究 ，匯聚了大部分 的研究資源( 人力、經費) ，而當要對另一弱勢語言作TTS 之研究時，仍然需要再投入大 量的資源，這樣的情況對於corpus based 之研究方向應是很明顯的。因此我們開始思考， 如何讓一種語言的語音合成之研究成果，能夠很經濟地轉移給另一個語言使用，如此弱 勢語言面臨的存續問題，就可獲得至少一些些的舒解。對於同樣是以音節為組成單位的 聲調語言來說 ，例如國語(北京話) 、閩南話、客家話 、廣東話...等 ，我們可先選擇其中 一個作為工作語言(working language) ，來研究它的韻律參數產生模型 ，然後透過模型調 適 ，以工作語言訓練的模型 ，來產生出標的語言(target language)的韻律參數。這樣的想 法，先前我們已曾經以基週軌跡參數為例，選擇閩南語作為工作語言，來建造它的SPC- HMM 模型[6] ，然後調適此模型以產生出國語和客家語語句的基週軌跡，初步實驗結果 顯示 ，我們的想法是可行的[7] 。 台灣的三種主要語言 ：國語、閩南語、客家語，我們所以會選