第七章 语音合成（speech synthesis） 语音信号处理 课件培训讲解.pptVIP

欢迎使用微软中国研究院中文语音合成系统 采用TTS技术合成语音 http://research. M/speech/tts We can read of things that happened 5,000 years ago in the Near East,where people first learned to write. Guilin university of electronic technology §7.2 共振峰合成法 一、共振峰合成的原理 二、共振峰合成的方法 Av 冲激序列 发生器 声门脉冲 模型G(z) 随机噪声 发生器 基音周期TP AN 线性系统 声道V(z) 辐射 模型 R(z) 清/浊音开关 语音的生成模型 一、共振峰合成的原理 利用语音信号的生成模型，将声道视为一个谐振腔，利用腔体的谐振特性，共振峰频率及其带宽，为此构造一个共振峰滤波器。对激励信号进行处理，可到合成语音。 Av 冲激序列 发生器 声门脉冲 模型G(z) 随机噪声 发生器 基音周期TP AN 共振峰滤波器 清/浊音开关 ? 一种声道形状对应一套共振峰 ? 不同人的声道大小不同，共振峰不同 ? 同一人，发不同音，共振峰也不同 前三个共振峰的大致范围（Hz） 共振峰 成年男子 成年女子 带宽 f1 200~700 250~1000 40~70 f2 600~2700 700~3300 50~90 f3 1300~3400 1500~4000 60~170 声道 女声英文a的频谱 鼻腔 在软腭的帮助下，可使空气经过鼻腔排除人体外，由此产生的语音称为鼻音。如[n]、[ng]为鼻音韵母，[m]、[n]、[l]为鼻音声母。 鼻腔是一个谐振腔，由于形状固定，故其共振峰频率是确定的。 二、共振峰合成方法 鼻腔 共振峰 滤波器 浊音激励 清音激励 第一 共振峰 滤波器 第二 共振峰 滤波器 第三 共振峰 滤波器 摩擦音 共振峰 滤波器 FV AH AF AN AV LF1 LF2 LF3 FF 可控制的参数共有10个： （1）4个幅值控制AV、AN、 AH、 AF （2）5个频率控制FV（浊音基频）、LF1、LF2、LF3、FF （3）1个清/浊音开关 §7.3 线性预测合成法(LPC编码) 将语音生成模型简化，将辐射、声道和声门激励进行组合，用一个时变数字滤波器来表示。 冲激 序列 发生器 随机 噪声 发生器 x(n) u(n) 线性 预测 分析 基音频率 清/浊音判别 参数 合成 k2 kp 基音频率 输入语音x(n) 清/浊音标志 G k1 格型滤波器语音合成技术框图 合成 语音 §7.4 TTS合成技术 一、TTS合成技术的应用 二、TTS合成系统的构成 三、文本分析 四、韵律控制 五、语音合成方法 * 第七章 语音合成（speech synthesis） §7.1 概述 §7.2 共振峰合成法 §7.3 线性预测合成法 §7.4 TTS合成技术 §7.1 概述 一、语音合成定义 二、语音合成技术的应用 三、语音合成的方法 一、语音合成定义 解决如何让机器象人说话的问题。其目的：能将任意文本实时地转换为自然语音输出，且输出的语音清晰可懂。 二、语音合成技术的应用 语音是信息传播的一大媒介。近年来，提供语音服务的语音系统迅速发展起来。传统的语音系统一般采用预录音回放技术，由于这种方法必须对信息文本事先进行录音，并存为声音文件，因此，所占用的存储空间很大。另外，一个更大的缺点是不能实时反映信息的更新，应用范围有很大的局限性。 录音 wav 回放 传统的语音系统 语音 压缩编码 输入语音 恢复语音 2.教育与娱乐软件 ? 普通话教学软件是帮助想学普通话的用户, 以往的普通话教学软件只是将预先录好音的单词逐个读给用户听，有了语音合成技术，可以将任意文本中的整句话、整段话读给用户听，学习效率明显提高。 现在计算机游戏中的人物，或者不会说话，或者只会“ 播放”已经录好的声音。利用语音合成， 游戏中的人物可以说出任意的话语，不同的人物可以通过选用不同的音库而形成