语音合成系统中高质量的韵律生成.pdfVIP

第 22卷 第2期 中文信息学报 V01．22。No．2 2008年 3月 JOURNAL OF CHINESE INFORMATION PROCESSING Mar．。2008 文章编号：1003—0077(2008)02—0110-06 语音合成系统中高质量的韵律生成 郭 庆 ，片江伸之。，于浩 ，岩见田均 (1-富士通研究开发中心有限公司，北京100016；2．富士通研究所，日本 明石) 摘 要：本文对富士通中文语音合成系统尤其是其中的韵律生成部分进行了描述。该系统是一个以音节为基本合 成单元，在韵律参数生成结果即音长和基频预测结果的指导下，从音库中搜寻全局最优的合成单元，然后采用 PS0LA算法进行波形调整的拼接合成系统。从提高合成语音韵律的角度出发，本文围绕音长预测和基频预测部 分对该系统进行了详细的描述。最后，给出了韵律评测和系统评测的结果。 关键词：计算机应用；中文信息处理；韵律参数生成；音长预测；基频预测；决策树 中图分类号：TP391 文献标识码：A High Quality Prosody Generation in a Text—to-speech System GU()Qing ，Nobuyuki Katae。，YU Hao ，Hitoshi 1wamida (1．Fujitsu Research and Development Center，Co．，I TD．，Beijing 100016，China； 2．FuJitsu I aboratories I td．，Akashi，Japan) Abstract：The Fujitsu Mandarin TTS system is a state—of—the—art，unit—selection based concatenative speech synthesis system．This paper describes the current status of the system，especially in prosody generation related aspects．De— cision tree based duration prediction method and statistieal pitch contour prediction method are described in detail． At last，the prosody evaluation result and the system evaluation result are presented． Key words：computer application；Chinese information processing；prosody generation；duration prediction；pitch prediction；decision tree 音长是最重要的韵律特征之一，它对于合成语 1 引言 音的感知自然度有着重要的意义。音素长度的变化 可以有助于人们对于音素本身的认知，同时也有助 语音合成系统的目的是合成高可懂度、高自然 于人们在一个连续的语流中能够确定词、短语的划 度的语音。经过近十几年的研究，现阶段的语音合 分，从而提高语音的自然度和可懂度。 成系统大多采用基于大规模语音数据库的拼接合成 基频也是最重要的韵律特征之一，它对于汉语 技术，合成的语音质量已经达到了实用的地步。其 尤其重要，因为汉语是有声调的语言。基频对于合 中可懂度已经能够