汉语情感语音合成的研究-信号与信息处理专业论文.docxVIP

摘 摘 要 桂林电子科技大学学位论文 桂林电子科技大学学位论文 摘 要 随着人类语音合成系统智能化的提高，增强语音自然度的要求显得十分明显。自 然语音的一个重要方面就是表达一定的情感，这也正是目前语音合成中所缺少的。情 感语音合成是一个跨学科、具有很高理论价值和应用价值的研究课题，是语音合成的 一个新的研究方向，正受到越来越多的关注。本论文在广泛汲取汉语情感韵律知识和 现代语音信号处理技术的基础上，对汉语情感语音合成技术及其实现方法进行了深入 的研究，主要研究工作如下: 1.研究了线性预测合成、共振峰合成和基音同步叠加合成CPSOLA)等传统的语 音合成技术，经比较认为基音同步叠加技术能够方便地对合成单元的韵律进行调整， 很适合用于情感语音合成中。时域基音同步叠加CTD PSOLA)技术在对语音合成单 元进行拼接前，根据基音同步标注，对拼接单元的基音周期、时长和强度做出适当地 调整，在不改变原始语音单元音质细节的基础上，能灵活地改变体现语音情感的韵律 特征变化，从而可以获得更高的可懂度和自然度。 2.情感的声学关联特征参数是情感语音合成的关键之一。本文在汉语情感语料库 的基础上，分析了韵律特征参数在不同情感状态下的规律。论文中采用基频参数、时 长参数和能量参数作为基本韵律特征参数，对汉语情感语料库提取这些参数，得到不 同情感状态下各韵律特征参数的特性。根据韵律特征参数的统计结果，确定输出语音 的基频、时长和能量特征参数的目标调整系数，在确保可懂度和自然度的前提下，使 合成的语音具备情感表达的能力。 3.详细分析了基于语音频谱分解的声源参数提取方法，整个方法是在STRAIGHT语 音分析合成算法基础上实现。 4.研究了语音合成中的韵律预测方法，包括规则驱动的方法、数据驱动的方法， 尤其是其中的神经网络的方法、数据挖掘的方法，还有汉语韵律模型如Target基频模 型，Fujisaki基频模型。本文详细讨论了SFC韵律预测模型的原理及实现方法，并给出 了针对汉语情感语音的韵律建模方案，在对情感语音进行SFC韵律建模的基础上，分 析了模型的层次关系，设计了从中立语音进行韵律转换的方法。 根据以上研究结论，进行汉语情感语音合成的实验。实验结果说明，TD PSOLA算 法能够合成出令人满意的情感语音。最后对全文的工作进行总结，并指出下一步研究 工作的思路。 关键词:情感语音:情感语音合成:韵律模型:基音同步叠加:韵律参数: 万方数据 I – – – PAGE IV – 万方数据 – – PAGE III – 万方数据 Abstract With the intelligibility of synthetic speech approaching that of human speech,the need for increased naturalness becomes more apparent.One of the aspects of naturalness most obviously missing in synthetic speech is appropriate emotional expressivity.As an interdisciplinary field,affective speech synthesis is a research topic with highly theoret- ical and applied value,and it has been a new direction of speech synthesis and has been focused on by more and more researchers. In this thesis,we did some researches on the methods of Chinese affective speech synthesis and its algorithm based on the study of modern speech signal processing technology and Chinese prosodic knowledge.The main content of this research as follows: We researched on the technology of LPC synthesis,formant synthesis and PSOLA synthesis respectively,and compared with these traditional synthesis technology.At last, it draws a concl