情感语音嗓音参数提取与分析.PDFVIP

Report of Phoneitc Research 2013 情感语音的嗓音参数提取与分析* 1 2 2 1 李向伟 ，方强 ，李爱军 ，王红 1. 山东师范大学 信息科学与工程学院，济南 250014 ； 2. 中国社会科学院语言研究所，北京 100732； 文 摘：本文主要寻找嗓音音质中能够区分情感的因素，为下一步的情感语音合成作准备。我们基于同一发音人的七 种不同情感 （七种情感分别为：悲伤、高兴、害怕、厌恶、生气、惊讶、中性）语音样本提取了基频抖动jitter 、振幅 抖动shimmer、谐波噪声率HNR、基频均值meanF0、声门波震动幅度Pulse Amp 、声门波形最大下降率MFDR 等与 嗓音声源密切相关的8 个声学参数并进行统计分析。结果表明在不同情感下一些参数如NAQ,MFDR 具有显著性差异， 而其他参数如shimmer,h1-h2 差异较小。在两种具体情感对组合的分析过程中，各个参数表现出的差异性也有所不同。 关键词：情感语音；嗓音音质参数 语音是人类交流最自然快捷的方式，人们在交 参数归为三类主要影响因素。国内的研究有王磊[3] 谈中不仅传递语言文字本身携带的信息，同时也包 等以jitter 为目标，研究不同情感下jitter 的分布， 含说话人自身主观的情感状态，透露出说话人的情 将jitter 分为确定部分和随机部分，所谓确定部分就 绪，让我们的交流丰富多彩。在传统的语音信号处 是由情感决定的部分，不同的情感有特定的 jitter 理中，往往只关注语音信号要表达的文字意义，忽 模式，随机部分则与情感无关。本文通过量化元音 略了对情感因素分析和建模。现有的语音合成技术 嗓音音质，以提取和分析声门波参数为主，对汉语 得到的声音大多也不带感情色彩。试想如果计算机 普通话中的阴平元音/a/进行分析，寻找嗓音音质特 能够通过说话声音判断人们的情感状态，对不同情 征中能够区分不同情感的成分以及这些成分的作 感的声音输入信号作不同的响应，将会使得很多应 用。 用比如语音导游系统、儿童玩具等更加人性化，更 提取和分析过程如下，我们首先从发音人在七 能满足人们的需求。在现代的语音学研究领域中， 种不同情感（七种情感分别为悲伤、高兴、害怕、 提取和处理说话人的语音情感特征，并以此作为依 生气、厌恶、惊讶、中性）下朗读语料中提取得到 据区分不同的情感是一项具有重大现实意义的研 要分析的音节，本文选取声调为阴平的元音/a/ ，得 究课题。 到七组样本，接下来我们假设 8 个参数（分别为 在我们的说话过程中，气流由肺部通过声门， jitter, shimmer, HNR, meanF0, Pulse Amp, MFDR, 使声带振动产生声带音，声带音经过声腔共振和唇 NAQ 和h1-h2 ，在后续研究不同声调的元音中，音 辐射形成我们听到的声音，在同一个音的不同情感 高的变化范围将作为一个参数加入）可能在不同情 表达中，这一过程任何部分都可能是影响情感听觉 感中具有显著性差异，从样本中分别提取这8 个参 的重要方面。在情感语音的声学特征分析中，过去 数，作统计分析得到不同情感下每个参数的差异显 的研究主要集中在基频、音强、音长等特征上[1]， 著性。 因为这些特征值便于使用计算机软件进行提取，并 1 情感语音数据库 且在区分某些情感上也具有一定的作用，但还不足 以作为准确预测说话人情感的依据。近来的研究表 研究语料来自中国社会科学院语音与言语科