基于大语料库的粤语语音合成研究-通信与信息系统专业论文.docxVIP

中国科学技术大学硕士毕业论文 中国科学技术大学硕士毕业论文 中文摘要 摘要 本论文的研究工作主要是围绕研制中国大陆内第一个实用化的粤语语音合 成系统KBCT2 0展开的。我们采用基于先进的大语料库语音合成方法和目前流 行的数据驱动技术的研究路线，在一系列诸如语料库设计、韵律模型设计、单元 挑选策略等关键技术上做了较为深入的研究，并将研究成果直接应用到工程化系 统当中，研制出一个具有较高自然度的粤语语音合成系统。 本文首先对语音合成研究的历史背景做了简单的回顾，指出了在现阶段研制 实用化粤语语音合成系统的重要意义；接着对粤语语音的概貌做了详细的介绍； 然后依次对建立基于大语料库粤语语音合成系统所需的关键技术(语料库设计、 韵律模型设计和单元挑选策略)逐一进行论述。本文的结论部分简要地介绍了 KBCT2．0的系统架构和性能指标评测，指出了进一步的研究内容和方向。 在粤语语音概貌方面，详细分析了粤语语音的声韵调系统及其拼合关系，总 结了粤语语音复杂的音变现象，提出了“正音”的原则和方法，为准确标注汉字 的粤语拼音提供了依据。 在语料库设计方面，提出了粤语“语境矢量”的独特设计和“语境总量”的 独特概念。提出了“语境总量”的计算方法，为文本语料的搜索打下理论基础。 在韵律模型设计方面，将基于机器学习的韵律建模方法应用到粤语语音合成 系统当中，比较准确地预测出目标单元的基频、时长、停顿、能量等韵律特征。 在单元挑选策略方面，通过连续三个备选音节的基频连接概率取代音段特征 参数作为连接代价，取得了较为平滑、顺畅的合成语音。 关键词：语音合成、大语料库技术、数据驱动技术、韵律模型。 2 A。bstractThis A。bstract This thesis focuses on the RD of KBCT2．0．the first practical Cantonese speech synthesis system in Mainland China．Based on the advanced corpus-based speech synthesis approach and currently prevailing data—driven technique，in-depth research was conducted on a series of key techniques such as corpus design，prosodic model design and unit selection strategy．Research outcomes were directly applied to developing a Cantonese speech synthesis system witII hiPrh naturalness． We firstly take a glance back at the historical background of speech synthesis research．and then point out t}le significance of developing a practicaI Cantonese speech synthesis system af present time．Afterwards，we give a detailed introduction of the phonetic knowledge of Cantonese，and discuss the key techniques(corpus design，prosodic model design and unit selection strategy)in a corpus-based Cantonese speech synthesis system．At the end of the thesis，the system architecture and the performance evaluation of KBCT2．0 are described and future research directions are presented． In the overview of the phonetic knowledge of Cantonese，we analyze the onsets， finals and tones of Cantonese and the combination relationships among them， summarize the complicated variations of Cantonese pronunciation and pre