藏语拉萨方言的统计参数语音合成的研究-电路与系统专业论文.docxVIP

硕士学位论文 M.D. Thesis 藏语拉萨方言的统计参数语音合成的研究 Research on Statistical Parametric Speech Synthesis of Tibetan Lhasa Dialect 刘博 LIU Bo 西北师范大学硕士学位论文 西北师范大学硕士学位论文 摘 要 随着人机语音交互技术的快速发展，目前的文-语转换（Text-to-Speech, TTS）系统 可以合成出高可懂度和高自然度的合成语音，获得了广泛的应用。在我国，汉语普通话、 粤语等语言的 TTS 技术已经越来越成熟，被应用到教育、通讯等多个领域。但尚缺少面 向少数民族语言和方言的 TTS 系统。中国是一个多民族的国家，有多种少数民族语言和 方言。藏族作为中国古老的少数民族之一，有自己的语言文化。本文以藏语拉萨方言为 研究对象，设计了藏语拉萨方言的文本语料，录制了语音语料，提出了一种藏语拼音的 机读音标的设计方案 SAMPA-T（Tibetan），实现了藏语文本到 SAMPA-T 的转换，在此 基础上，实现了藏语拉萨方言的统计参数语音合成。论文的主要工作和创新如下： 1.设计了一个藏语拉萨方言的语料库。通过分析藏语拉萨方言在声、韵、调上的特 点，结合《藏语方言调查字表》，设计了藏语拉萨方言的文本语料，包含 600 个单音节 词、400 个双音节词和 1000 句语句。录制了藏语拉萨方言语音语料。语料库既能用于藏 语方言的实验语音学研究，也能用于藏语方言的言语工程研究。 2.设计了一种藏语拉萨方言的 SAMPA-T（Tibetan）标注方案，提出了一种面向藏语 机读音标 SAMPA-T 的字音转换算法，实现了藏语文本语料的 SAMPA-T 的自动标注。 3.实现了藏语拉萨方言的说话人相关的统计参数语音合成。根据藏语拉萨方言的发 音特点，设计了上下文相关的语料标注格式和用于决策树聚类的问题集，标注了语料的 上下文相关信息，计算了语音数据的广义 mel 倒谱系数。以声韵母为基元，利用基于隐 马尔可夫模型（Hidden Markov Model, HMM）的统计参数语音合成技术，训练获得了说 话人相关的声学模型，实现了说话人相关的统计参数语音合成，并对合成语音进行了自 然度的评测。实验结果表明，合成语音的平均 MOS 得分为 3.7。 关键词：藏语拼音 机读音标 SAMPA-T 字音转换 参数语音合成 I 藏语拉萨方言的统计参数语音合成的研究 藏语拉萨方言的统计参数语音合成的研究 II II Abstract With the rapid development of human-computer speech interaction technology, state-of-the-art Text-to-Speech (TTS) synthesis system can achieve high intelligible and natural synthesized speech to fit the actual needs of people. In China, Mandarin and Cantonese TTS are applied to education, communication and other fields. China is a multi-ethnic country so that there are different minority languages and dialects. Tibetans is one of the ancient Chinese minorities and has their own language and culture. However, there is lack of researches on speech synthesis for synthesizing Chinese minority languages such as Tibetan and Chinese dialects due to the differences between different languages. In order to deal with the above dificience, this thesis focuses on Tibetan Lhasa dialect speech synthesis. We design a set of machine pronunciation for Tibetan phonetics named SAMPA-T to label the pronunciation of Lhasa dialect of T