基于PSOLA算法的语音编码压缩的研究与实现-东南大学学报.PDF

第 卷第 期 ３１ ４ 东南大学学报（自然科 学版 ） Ｖｏｌ３１Ｎｏ４ 年 月 ２００１ ７ （ ） Ｊｕｌｙ２００１ ＪＯＵＲＮＡＬＯＦＳＯＵＴＨＥＡＳＴＵＮＩＶＥＲＳＩＴＹ ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ  基于ＰＳＯＬＡ算法的语音编码压缩的研究与实现 曹 钢 徐宏炳 （东南大学计算机科学与工程系，南京 ２１００９６） 摘要：以时域基音同步叠加（ ）技术和一个全汉语单音节库为合成单元进行汉语语音 ＴＤＰＳＯＬＡ 合成，合成的语音清晰度和自然度很高 但是这样的系统语音库太大，不利于在小型设备中实 ． 现，影响了语音合成的进一步应用 本文针对此问题，在研究 律压缩的基础上，采用自适应 ． Ａ 量化和自适应预测的技术，以较少增加合成运算量复杂度为代价，对语音库的编码实现压缩， 使压缩后的语音库减小了约一半，大大减小了所需的存储空间 并且利用压缩后的语音库合成 ． 语音，基本上不影响合成后的语音质量，从而进一步扩展了语音合成的应用． 关键词：基音同步叠加；编码压缩；自适应预测；自适应量化 中图分类号： 文献标识码： 文章编号： （ ） ＴＮ９１２３３ Ａ １００１－０５０５２００１０４００３６０４ 随着多媒体技术的不断发展，近 年来，在语音合成领域中涌现出大量新技术和新设计 过去由于计 ２０ ． 算机存贮容量的限制，语音合成通常都采用参数合成方法，如共振峰、 ， 等参数合成方法，虽然合成 ＬＰＣＬＳＰ 单元的存贮量比较小，但是由于汉语语音参数多，抽取的算法比较复杂，合成语音的自然度和清晰度都比 ［］ 较差１ ． 汉语普通话的音节有一些特点，如它是普通话最自然和最基本的语音单位，数目较少，具有相对的稳 ［］ ２ 定性 等，因此在汉语语音合成中一般都是利用汉字全音节作音库 在传统简单的波形拼接中，没有考虑 ． 到音节在连续语流中的发音与单音节发音的不同，所以合成的自然度不高，“机器味”较重 世纪 年 ．２０ ８０ 代末，基音同步叠加法（ ）技术的研究使得在音节拼接时能比较灵活地调节其音高和时长，使合成的 ＰＳＯＬＡ 音色和自然度大大提高，因而该技术得到了广泛的应用． 为了让语音合成技术从实验室走向市场，扩大文语 合成的应用场合，目前对汉语文—语转换系统而言，减 小音库容量也是一个重要课题 高质量的汉语文—语转 ． 换系统（见图 ）一般需要几兆到几十兆字节，甚至更多 １ 的存储容量，这在以 机或工作站为硬件平台的应用 ＰＣ