三维几何声道建模.PDFVIP

Report of Phoneitc Research 2013 三维几何声道建模* 1 2 1 1 1,3 宋婵 ，方强 ，王宇光 ，魏建国 ，党建武 （1.天津大学 计算机科学与技术学院，天津 300072 ；2. 中国社会科学院，北京 100732 ； 3.北陆无端科学技术大学院大学，日本） 文 摘：生理发音模型可以应用于语音生成，语音分析，语音教学等各个方面。本研究，我们基于汉语普通话核磁共振发 音数据库构建了一个汉语普通话发音的几何模型。模型的构建分为两个部分，数据标注和模型控制参数抽取。控制参数抽 取是对第一阶段标记的数据进行分析，方法采用线性成分分析法。目的是能够利用较少具有明显物理意义的参数来描述复 杂的发音器官的位置和形状，实现对复杂声道形状的控制。分析结果显示，每个发音器官可用三个以内参数来很好的描述， 且平均重构误差小于1mm。 关键词：生理发音模型；发音器官形状；线性成分分析 中图分类号： 分类号 1；分类号2 在语音研究领域，语音生成作为一个重要的 文将基于汉语普通话的核磁共振数据库，建立汉 分支已经受到人们越来越多的关注。基于生理的 语的发音模型。 发音模型有助于我们验证和统合现阶段对于语音 本文组织结构如下，第一部分主要介绍所选 产生的生理和物理机制的理解，推动语音产生研 用数据库的信息；第二部分给出了对数据库图像 究的进一步发展。早期用于生理建模的方法有神 进行标注的方法，以及每个发音器官标记后的结 经肌 肉建模和 几何建模 。前者的 代表是 果形状；对标记结果进行分析的方法在第三部分 Dang-Honda 模型[1]等，他们通过不同肌肉力的 介绍；分析结果则于第四部分给出并解释；最后 组合来控制发音器官的运动从而描述整个声道形 第五部分介绍了尚且存在的问题和下一步的研究 状的变化。几何模型只需要对不同声道的几何形 思路。 状进行分析，找出声道形状的主要控制因子，通 1 数据库 过调整这些因子的数值达到控制声道形状的目 的。 几何模型的构建又有二维中矢面声道形状建 模和三维声道形状建模两种。二维模型相对于三 维模型来说，构建简单，因而在建模早期被很多 人使用。比如 Engwall和 Badin 在早期的声道建 模中都曾构建过二维模型[2]。但是二维中矢面模 型在计算声道面积函数的时候只能采用估算的方 法；加上一些发音对应的声道形状是中矢面上封 a. b. 闭，两边部分分开,如/l/，无法用二维模型正确 描述。因此，三维模型的构建逐渐引起人们的重 图 1 数据库中的 MRI 图像和三维显示图像，其中a 是数据 视。对三维建模的研究也从最初Engwall基于瑞 典人建立的三维舌头模型[3]，到后来 Badin 基于 库中原始 MRI 图像，b 是三维图像叠加显示的形状 法语发音构建了三维发音器官模型[4]。 我们选用的数据库是汉语普通话发音 MRI数 综上所述，国外对发音模型做了大量的工作， 据库，数据库共包括8个发音人，每个发音人共 而针对汉语发音的三维发音模型的研究很少。本 *基金项目：国家科学基金面上项目(NO、基金重点 项目（NO.6123