一个普通话文语转换系统中的韵律模型-计算机应用研究.PDF

第 6 期 王志伟等: 一个普通话文语转换系统中的韵律模型 ·79 · 一个普通话文语转换系统中的韵律模型 * 王志伟, 邵艳秋, 赵永贞, 刘 挺 ( 哈尔滨工业大学 计算机科学与技术学院, 黑龙江 哈尔滨 150001) 摘 要: 韵律模型是文语转换系统中的重要组成部分, 对合成语音的自然度起着至关重要的作用。结合人工神 经网络和单元选择算法, 将它们分别应用于韵律模型中时长和基频曲线的生成, 其中时长模型采用三层的反向 传播网络 , 而基频模型则采用一种基于最小距离和的单元选择算法。 关键词: 文语转换; 韵律模型; 神经网络; 单元选择 中图法分类号: TP391 文献标识码 : A 文章编号 : 1001- 3695( 2006) 06- 0079- 03 Prosody Model for Mandarin Text-to-Speech System WANG Zhi-wei, SHAO Yan-qiu, ZHAO Yong-zhen, LIU Ting ( College of Computer Science Technology, Harbin Institute of Technology, Harbin Heilongjiang 150001, China) Abstract: Prosody model is a essential part in text-to-speech system. It plays an important role in naturalness of synthesized speech. This paper integrates artificial neural networks with unit selection in prosody model, and applies them to the genera- tion of duration and pitch. It presents a three-layer back-propagation neural network in duration model, and an algorithm based on minimizing distance summation of a whole utterance in pitch model. Key words: Text-to-Speech( TTS) ; Prosody Model; Neural Network; Unit Selection 气甚至是不同的词性下, 对基频、音长和音强等各个声学参数 1 引言 [ 1] 变化的详细情况加以总结、归纳。Klattalk 系统中就使用了 一个规模较大的音长规则集, 除此之外系统还制定了很多辅音 随着人机交互技术的进步, 计算机将能用自然语言与人类 和元音的过渡规则。但是, 基于规则的方法有明显的缺点, 就 进行交流。为此, 语音和语言的研究日益受到重视, 而文语转 换( Text-To-Speech, TTS) 是语音和语言研究的交叉点。目前 需要花费大量的时间和人力, 而且经常由于规则间的冲突而使 评价合成语音质量的主要指标是可懂度和自然度。英语的文 得合成语音的自然度受到限制。随着计算机处理的进一步深 入, 基于统计的韵律模型逐渐