- 1、本文档共12页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
语音合成语料库技术报告
语音合成语料库
TH-CoSS
技术报告
清华大学计算机科学与技术系
人机交互与媒体集成研究所
2003.12.
语音合成语料库技术报告
(TH-Corpus of Speech Synthesis)
0.前言
在语音合成技术日益成熟走向市场的今天,作为语音合成的基础的语音合成语料库扮演着越来越重要的角色。作为语音合成和语音分析的物质基础,建立设计合理、高质量录音的语音语料库有着极为重要的研究价值和实用价值。本语音合成语料库(TsingHua - Corpus of Speech Synthesis, 简称TH-CoSS)是由清华大学人机交互与媒体集成研究所完成。该语料库可以用于语音合成的研究、开发和评测。根据研究、开发和市场的需要,本文简要介绍本语料库的设计与使用。
第一部分 语音合成语料库的设计
该语音合成语料库由四部分组成:
普通话TTS系统语料库,为汉语普通话朗读语句,男女声各1人,共约10000句。
普通话TTS系统测试语料库,为汉语普通话朗读语句,男女声各1人,约2000句。
普通话语调分析用数据,自然对话语句,多于1000句,覆盖多种语调和语气。
连续语流篇章语音数据库,选自广播或电视,以汉语标准普通话为主。
下面分别就其设计思想进行介绍,重点介绍普通话TTS系统语料库和普通话语调分析用语料库的设计与建立。
1.1普通话TTS系统语料库设计
TTS系统建库语料语句以陈述句为主, 长度为5-25个音节,其中男声4535句,女声5406句。此外语料库还包含一定数量的轻声、儿化音节组,以及上声单音节汉语音节表。
1.1.1 设计用语料
我们针对基于大语料库汉语语音合成系统的需求,进行语音合成用语料库的设计。其原始语料来自《现代汉语词典》和2000年全年的人民日报,并且参考了国家语委公布的必读轻声和儿化词表。
1.1.2 设计原则
1.1.2.1文本设计的目的和要求
语料库的设计是指选取语音数据的内容或选取录音文本。这是语料库的关键问题之一。涉及的问题包括:明确需求和目的;确定语音基本单位;收集语料资源;研制语料选取算法;目标是得到最小冗余度、最大覆盖率、科学合理的语料集。采用以语音学知识指导的计算机处理方法。语料库的文本设计包括以下工作:
明确需求:通常一个语料库都以满足某个研究需求为目标。针对不同的语音处理需求,设计专门的语料库,如:语音识别用语料库和语音合成用语料库;采集的数据又分高信噪比语音数据、电话语音或高背景噪声语音;还有包括视频通道的音频数据,可以用于口形辅助语音识别的研究,或用于可视语音转换的研究。语音识别研究的课题分为特定人与非特定人、孤立词与连续语音识别、语音识别与说话人识别、本地PC上的识别与电话语音识别,为此语料库的文本设计要针对系统的需求进行。这里,我们设计的语料库主要面向汉语普通话语音合成系统。
确定内容:在明确语料库的用途后,要进一步明确语料库的内容。语料库的内容应具有代表性。如应包括的基本声学单元,这些声学单元在连续语流中的音变变体和音段间的过渡,以及适当的语境。针对西方语言的语音处理,其基本单元可能是音子(phone)、双音子(di-phone)或三音子(tri-phone)。如果把双音子作为研究基元,语料库中应覆盖所有的双音子。为了研究双音子在不同语境下的变化,还应设计双音子在该语境下的词语或语句。对于汉语来说,其基本单元可能是音节(syllable)、声母和韵母(initial,final)或音子(phone)。汉语是声调语言,因此语料库中应涵盖声调不同的语音基元,以及它们的组合。
收集原始文本:为了满足语料库的要求,需要准备大量的原始资料。基于应用目标选择具有明显针对性的材料。还要考虑是口语/书面语、新闻/服务等,材料的时间性。就通用目的来说,目前较多的选自电子词典、《人民日报》等报刊和广播等材料。当然,如果构建面向旅游、宾馆预定的语音系统,就要收集相关的语料。
研制语料抽取算法:原始语料库经过断句和拼音转写,转换成带有拼音的语句、语块(chunk)或词语。这时就可以按照需求选取不同的语段作为语料文本。语段选取是一件费时费力而又精细的工作。可以用Greedy算法从大规模语料中选取最佳覆盖的语段集。通过Greedy算法基本可以得到80-90%满足要求的语料。最后不太常用、或原始语料中没有的,由人工设计完成。选取中,受到语料规模的限制,注意所选语料的普遍性。
我们针对基于大语料库汉语语音合成系统的需求,进行语音合成用语料库的设计。设计原则是兼顾音段和韵律两个层次的需求。先满足音段需求,再考虑声调组合、音段音联现象、各种清浊搭配等;语句的设计重点考虑语句的句法结构、语调变化、轻重读。覆盖汉语的417种有调音节以及多种声学特征的搭配关系。
下面,我们较为详细的介绍设计过程中所考虑的组
您可能关注的文档
- 一株具有抗疟活性的金鸡纳树内生真菌的研究-oalib.pdf
- 第3部被害想定手法-东京都防灾ホームページ.pdf
- 一种基于免疫选择的粒子群优化算法南京大学学报自然科学.pdf
- 一种基于主题相似性和网络拓扑的微博社区发现方法-计算机系统应用.pdf
- 第2四半期决算说明资料-富士机械制造.pdf
- 第一学期高一物理教学计划-邵东一中.doc
- 一种hsi空间基于模糊聚类的火灾彩色图像分割算法-火灾科学.pdf
- 表观遗传药物对体细胞核移植胚胎发育的促进作用-中国细胞生物学学报.pdf
- 表象对初中一年级学生成语理解影响的试验研究.pdf
- 表达感激感知到被他人感激对恋人亲密关系的影响.pdf
- 第12课 我们小点儿声 课件 二年级道德与法治上册(部编版).ppt
- 11.2我从哪里来(教学课件)二年级道德与法治下册(统编版).ppt
- 第10课 我们不乱扔 课件 二年级道德与法治上册(部编版).ppt
- 1.3过好我们的课余生活 课件五年级道德与法治上册(部编版).ppt
- 第四单元《法律保护我们健康成长》大单元整体学程设计道德与法治六年级上册统编版.pdf
- 第十一课:多姿多彩的民间艺术(分层练习)四年级道法下册 部编版.pdf
- 第八课:大家的“朋友”(分层练习)三年级道法下册 部编版.pdf
- 第5课 我爱我们班 课件 二年级道德与法治上册(部编版).ppt
- 第二单元 我们是公民 大单元整体学程设计道德与法治六年级上册统编版.pdf
- 人教部编版二年级语文下册第五单元单元教学课件.ppt
文档评论(0)