多媒体技术042合成历史.pptVIP

语音合成的历史 语音合成的历史. 研究历史 语音合成算法 汉语音音合成的研究 语音合成的历史. 1939年 Voder 第一个电子合成器 1987年 Klatt 共振峰合成 机械式语音合成器 第一个电子合成器 合成方法和策略 合成方法：发音参数合成、声道模型参数合成和波形编辑合成；从合成策略上讲可分为频谱逼近和波形逼近。 1）发音器官参数语音合成：这种方法对人的发音过程进行直接模拟。它定义了唇、舌、声带的相关参数。由这些发音参数估计声道截面积函数，进而计算声波。这是对人发音过程的直接模拟，有可能产生逼真的语音。但由于人发音生理过程的复杂性，理论计算与物理模拟之间的差异，合成语音的质量暂时还不理想。 合成方法和策略 合成方法和策略 （2）声道模型参数语音合成：这种方法基于声道截面积函数或声道谐振特性合成语音，如共振峰合成、线性预测系数（LPC）合成。较为著名的共振峰合成器是MIT教授D. Klatt设计的串/并联混合型共振峰合成器。他用串联通道产生元音和浊辅音；并联通道产生轻辅音。还可以对声源作各种选择和调整，以模拟不同的嗓音。在此基础上开发的DEC Talk英语文语转换已广泛的应用于各个方面。 国内外已有不少基于参数合成技术的语音合成系统。这类系统需要的存储量低，音质适中，易于实现韵律修改。 Klatt 共振峰合成器 计算机语音输出实现方法： 一是录音/重放，二是语音合成（文一语转换）： 若采用录音/重放的方法，首先要把模拟语音信号转换成数字序列，编码后，暂存于存储设备中(录音)，需要时，再经解码，重建声音信号(重放)。录音/重放可获得高音质声音，并能保留特定人的音色。但所需的存储容量随发音时间线性增长。 文一语转换（TTS）是基于声音合成技术的一种声音产生技术。它可用于语音合成和音乐合成。文一语转换是语音合成技术的延伸，它能把计算机内的文本转换成连续自然的语声流。若采用这种方法输出语音，应预先建立语音参数数据库、发音规则库等。需要输出语音时，系统按需求先合成语音单元，再按语音学规则或语言学规则，连接成自然的语流。 文字-语音转换系统 让计算机说话，决不能是断断续续的音节，而应是连续自然，符合语言学规则的声音。 意向（intention）--- 概念（concept）---文字语言（language） ---语音（Speech）。 目前，对人类大脑的高级神经活动了解甚少，语言合成仅处于文字到语音转换的层次上。(TTS)。 语音合成技术 合成方法和策略 ? 合成算法的目标：波形逼近与频谱逼近 ?逼近策略：基于最近邻原则挑选基元、基于规则或模型的修饰 ?合成基元：音素、Diphone、Triphone、半音节、音节、词语 ?技术路线：基于语料库或基于规则，统计和规则相结合。 ? 声道和声源： 韵律模拟： 波形编辑语音合成 波形编辑语音合成技术：它直接把语音波形数据库中的波形拼接在一起，输出连续语流。这种语音合成技术用原始语音波形替代参数，而且这些语音波形取自自然语音的词或句子，它隐含了声调、重音等细微特性，合成的语音清晰自然。其质量普遍高于参数合成。 80年代末E.Moulines和F.Charpentier提出基于时域波形修改的语音合成算法PSOLA(Pitch Synchronous OverLap Add)，该方法较好地解决了语音拼接中的问题，从而推动了波形编辑语音合成技术的发展与应用。 波形编辑语音合成 PSOLA就是基音同步叠加。它把基音周期的完整性作为保证波形及频谱平滑连续的基本前提。该算法按以下三步实施：它以基音周期的整数倍为窗长，对原始波形进行分析，产生中间的表示；然后对中间表示进行修改；将修改过的中间表示重新合成为语音信号。由于修改的参数不同，又分为时域TD-PSOLA、频域FD-PSOLA和线性预测LP-PSOLA。 这种语音波形编辑技术多用于文－语转换系统中，现已有英、日、德、法、汉语等多种语言的系统问市。采用这种技术应解决好以下几个问题：语音基元的选取、波形拼接过程中的平滑滤波；韵律修改以及语言学的分析和处理。 文字-语音转换系统 汉语语音合成的研究 汉语语音合成的研究 * * 意向 概念 文字 语音 合成 文本分析 韵律生成 声学模块