基于TTS汉语发音动态时间弯曲评测法.docVIP

基于TTS汉语发音动态时间弯曲评测法 　　摘要：汉语学习日趋广泛，如何快速有效地实现标准汉语语料库供学习者参考并对汉语学习者的发音标准水平做出评测受到了很大程度的关注。该文介绍微软提供的TTS语音引擎，阐述其编程实现过程，利用TTS生成的汉语音频作为标准语料库。采集汉语学习者发音，对TTS生成的汉语音频和汉语学习者的发音作预处理并提取特征值，最后采用DTW(动态时间弯曲)算法实时地进行发音标准水平评测。 　　关键词：TTS；DTW；特征提取；模式对比 　　中图分类号：TP18 文献标识码：A文章编号：1009-3044(2011)10-2390-02 　　Chinese Pronunciation Evaluation Method of DTW Algorithm Based on TTS 　　SUN Jin-kang, WU Qiong-gui, LI Yu-wei 　　(PLAUST, Nanjing 210007, China) 　　Abstract: Learning Chinese is becoming popular, It has been concerned that how to quickly and effectively establish the standard Chinese language corpus for learners to reference and evaluate the Chinese learners level of pronunciation. This article describes Microsofts TTS voice engine, describes the programming process, use TTS generated audio as a standard corpus of Chinese. Gather the pronunciation of Chinese learners. Pre-treatment and feature extraction on TTS Chinese audio. Finally, evaluate pronunciation with DTW algorithm on real-time. 　　Key words: TTS; DTW; feature extraction; pattern comparison 　　1 TTS及程序实现 　　1.1 TTS 　　TTS 是 Text To Speech的简写， 即语音合成，是一种文本转换为语音的技术。 它解决的主要问题就是如何将文字信息转化为可听的声音信息， 通过计算机语音合成技术可以在任何时候将任意文本转换成自然语音。 　　TTS功能模块可分为文本分析、韵律建模和语音合成三大模块。其中，语音合成是TTS系统中最基本、最重要的模块。目前大多数的语音合成系统都是基于大量的语音数据和统计过程建立的，这类系统通常被称为基于语料库的TTS系统。在基于语料库的TTS系统中，大量的语音数据被存储作为语音库。合成时，从语音库中挑选最佳单元，输出语音时拼接最佳单元并调整它们的韵律。 　　国内外有许多高科技公司和科研机构致力于基于语料库的TTS 技术的开发和研究,但只有微软公司提供的语音软件开发包 Microsoft Speech SDK可以从微软的网站上免费下载和使用, 其他产品都需要购买 SDK 开发包才能进行语音程序开发, 价格昂贵。微软的语音开发包技术成熟，功能强大。最重要的是微软TTS语音引擎技术在WindowsVista中Microsoft Speech SDK 5.3的文本朗读比WindowsXP中Microsoft Speech SDK 5.1有很大改进， 合成语音音质自然、逼真，韵律调整合适，声调连续。 　　本文利用微软提供的TTS语料库将文本文字通过TTS技术转换成标准音频供模式对比需要，功能流程图如图1所示： 　　图1 基于TTS汉语发音评测法功能流程图 　　1.2 汉语朗读及其音频自动保存功能实现 　　本文开发平台及工具选用：Windows XP；Microsoft Speech SDK 5.1；Visual studio 2008；Matlab R2009a。 　　安装Speech SDK 5.1和Language Pack5.1，安装以后，在安装目录下面找到SAPI.dll，用.Net Framework自带的Tlbimp.exe工具将SAPI.dll转换成.net平台下的DotNetSpeech.dll。 　　在控制面板--语音属性--文字―语音转换--语音选择组合框中选Microsoft Sim