汉语朗读话语重音自动分类研究-模式识别国家重点试验室.PDF

汉语朗读话语重音自动分类研究 STUDY ON STRESS PERCEPTION IN CHINESE SPEECH 胡伟湘 董宏辉 陶建华 黄泰翼 中科院自动化所模式识别国家重点实验室 100080 北京 Hu Weixiang Dong Honghui Tao Jianhua Huang Taiyi National Laboratory of Pattern Recognition (NLPR) Institute of Automation Chinese Academy of Sciences {wxhu, hhd, jhtao, huang}@nlpr.ia.ac.cn Abstract Restricted by prosody hierarchy and disturbed by tone and intonation, it is a hard task to detect the stress of Chinese speech automatically. In this paper, aiming at automatic stress perception in normal mandarin reading speech, we studied some acoustical measurements based on F0, duration and intensity and proposed a novel model to calculate the stress of each syllable. With a structure of classify tree, the model combined the restriction of tone context and prosody hierarchy effectively. It was shown from the result that the top line of pitch, pitch range, duration are important cues for stress perception. 摘 要 汉语的重音由于受到声调、语调以及韵律单元层级的干扰和制约，对于重音的自动感知一直是 比较困难的问题。针对标准的朗读普通话语，本文在广义韵律结构的框架下研究了重音的声学表现， 设计并实现了重音的自动感知模型。本文提出的基于分类树结构的区分度模型能有效地结合韵律单 元结构对重音的制约。研究结果表明，音高高线、调域、音长是表达重音最重要线索，利用这些线 索能有效地实现对重音的自动感知。 Keyword: Stress, Prosodic Structure. 关键词: 重音，韵律结构。 1. 引言 近些年来，随着言语工程技术的迅速发展，汉语韵律信息的研究成为言语工程领域被广泛关注 焦点。人们越来越需要更加深入地了解自然话语的韵律结构，并试图建立完整的数学模型来描述自 然语言韵律结构与语言文本、韵律结构与语音声学特征的数量关系，即实现对文本的韵律结构预测 和对语音的韵律结构检测，从而实现更加有效地提高合成语音的自然度、语音识别准确率和自然语 言正确理解的程度。从言语合成的角度出发，其根本目的是需要实现从文本到韵律结构的关系映射， 以及如何根据韵律结构来设定适当的声学参数，从而最终提高言语合成的自然度。“普通话语句中 音节间和短语间的韵律特征变化，与合成语音的自然度关系密切，其中尤以声调的变化最为重要” （吴宗济2001 ）。初敏（2001 ）通过两步的韵律实现策略较大地提高了言语合成的自然度。陶建华 （2001 ）提出了汉语韵律层级结构分析和韵律建模的统计模型，并在此基础上建立了自然度较高的 语音合成系统。 在对汉语韵律结构的研究过程中，一个很困惑的问题就是如何明确定义汉语的韵律结构。许多 研究者从语言学、感知实验、实验