语音传达系统之设计.ppt

第八章 語音傳達系統之設計 8.1 語音之性質 8.2 語音評鑑之效標 8.3 語音傳遞系統之組件 8.4 合成語音 語音也是聽覺資訊顯示形式之一，其來源可經由人或機器，目前已可用低廉成本的技術來合成語音（如新上市轎車、電信局查號台）﹔電腦語音辨識，目前雖不如合成語音進步，但已有初步成果，因此語音可作為控制機制，以指揮電腦系統運作。 8.1語音之性質 語音是由肺部呼出的氣流，經發音器官修飾，而形成的各種聲波。 8.1.1　語音之類型 語音中最短的分節；這分節一改變，一字的意義便隨而改變。就英語而言，其母音共有十三個音素 (例如put中的u)，而子音則有二十四個音素 (例如tie中的t) 和一些雙母音 (例如boy中的oy)。 音素可組成音節 (syllables)，再形成字或詞 (words)，又構成句 (sentences)。 8.1.2　語音之描述 波形圖 (waveform)：如圖8.1　，表示該聲音在時間過程內空氣壓力 (強度) 的變化。 頻譜圖 (spectrum)：如圖8.1　，表示在某期間取樣之際，發出某音素或字詞所產生的各個頻率的個別強度。 音譜圖 (sound spectrogram)：如圖8.1　，以縱軸表示頻率，橫軸表示時間，所發聲音的強度則以座標圖形墨色的濃淡程度來描述。 8.1.3　語音之強度 個別語音的平均強度或語音功率 (speech power) 之差異非常的大；母音的語音功率通常要比子音的大得多。而不幸地，低語音功率的子音偏巧是語音能解度的關鍵因素。 男性的語音強度約比女性高出3至5 dB，輕聲交談的語音強度約為45 dBA，一般交談約為55 dBA 8.1.4　語音之頻率組成 每一語音均有其獨特的頻譜，人們之間的語音頻譜也自然不同；而同一個人也會因情況之不同而改變其頻譜組成。 一般而言，男性比女性在頻譜上具有較佔優勢的低頻率組成。 8.2　語音評鑑之效標 8.2.1　語音的能解度 係指語音訊息（如一串字列）可被正確辨別與認識的程度，通常句子能解度最高，孤立字其次，無意義音節最差。 如將日常用與抽離原先語脈，約有半數不能理解，故能解度非常仰仗語脈（話語前後關係）與預期（可能話題內容）。 8.2.2　語音品質 語音品質 (speech quality)、自然度 (naturalness) 或傳真性，其重要性不亞於能解度，尤其在必須分辨發話者身份的場合，接聽電話就是一例。 8.3　語音傳遞系統之組件 一套語音傳遞系統係由： 發話者(speaker)； 訊息 (message)； 傳送系統 (transmission system)； 噪音環境 (noise environment)；以及 受話者(hearer) 等所構成。 8.3.1　發話者 優秀的」說話者 的發音 (英語) 具有如下的特色： 「音節持續時間」較長，即音節拖得較長。 語音強度較大，即話說得較鏗鏘有力。 用於說話的總時間較長，即較少停頓。 較以基本聲音頻率之不同來變化其語音。 8.3.2　訊息 有數項訊息特性會影響其可理解性，包括所用音素、字詞和語脈。 音素混淆 ：某些語音之間比較容易相互混淆。Hull (1976) 發現下列字母組群，在同組群的字母之間很容易彼此混淆：DVPBGCET; FXSH; KJA; MN。 字詞特性 (word characteristics)：熟悉的字詞比不熟悉者的可理解性大。 語脈特色 (context feature)：完整文句的能解度高於孤立的字詞。 8.3.3　傳送系統 語音傳遞系統 (例如電話和廣播) 可能會產生各種型式的失真，例如頻率失真、過濾、波幅失真等。 過濾對語音的影響：所謂語音過濾，就是在傳送過程中，阻止某些頻率，而僅允許其餘頻率的音波通過。大部分的濾波器不是消除某水準之「上」的頻率 (稱為低通濾波器，low-pass filter)，就是消除某水準之「下」的頻率 (稱為高通濾波器，high-pass filter)。 8.3.3　傳送系統 波幅失真對語音的影響：波幅失真的型式之一為尖峰截波 (peak clipping)，亦即聲波的尖峰部分皆被截割掉，只有中間部分的聲波被保留下來。中央截波 (center clipping) 則是截割掉波幅的某些中央部分，而保留聲波的尖峰部分。圖8.7即為截波處理對噪音下語音能解度的影響。 8.3.4　噪音環境 噪音，不管是來自外界環境或內在於傳送系統本身，都是妨害語音可理解性的重要原因。 發音清晰指數 (Articulation Index, AI)：發音清晰指數 (AI) 可用以預測在一已知噪音水準的環境下語音的能解度。圖8.8為美國國家標準局 (ANSI, 1969) 所使用的三分之一八度音階波