语音数据与语音合成.pptVIP

语音合成技术决策树模型聚类有了模型怎么使用？来一句话怎么预知用哪个模型？基于上下文的信息的决策树聚类优点：拥有明确目标和度量准则，音质好，自然度高，系统搭建自动化程度高，InterPhonic5.5以上版本利用HMM目标模型和连接模型来指导单元挑选自主原发，意义重大结合参数训练模型的数学统计模型优势和波形拼接的高音质，相对以前的大语料库技术在自然度上有较大提升样例：缺点：仍然需要很大规模的语料库，计算量较大语音合成技术基于HMM的语料库拼接语音合成系统语音合成技术基于HMM的单元挑选系统结构图5%55%30%10%.数字语音信号.数据制作与合成.语音合成技术.合成效果测听总纲“无源之水无本之木”一份音库的制作质量，直接决定了该发音人合成系统的能达到什么效果音库数据是合成系统的基石，离开了音库谈合成就是数据与合成的关系数据制作与合成音库设计音库录制音素切分韵律标注音素检错基频修正索引制作数据制作与合成数据制作过程数据制作与合成音库设计与合成一个设计良好的音库要有较好的音素，韵律覆盖率01“还烦请大家收集更多更好的语料文本”04广泛的语料来源，保证超大规模库的稳定02某方向定制语料，提升某特应用场合的效果，对语料库拼接技术很重要03数据制作与合成音库录制与合成录音控制很重要录音室环境，隔除噪音话筒的摆放，能量幅度范围如何保持发音人的发音状态轻松心态，自然流程，不要带情绪，除非这是情感库适度原则，不要疲劳录音，宁缺勿滥批次比对，及时与之前数据做比对，可加入重复句“还请大家多关注录音质量”数据制作与合成音素切分与合成切分精度精切：大语料库拼接标准，周期下降沿粗切：参数合成与HMM拼接，模型具有一定内部切分调整能力粗切不代表切分不重要，好的初始位置能帮助模型自切。电脑未必比人聪明，清浊好定，浊浊也难定，还需修正停顿位置什么地方有Sp，silv，pau？标准L3层以上边界，30ms以上计算机才能使用如果本来有停顿却没有加silv，停顿段会影响前后音素单元质量一些录音缺陷也可塞给停顿位置，鼻息，口水音合成样例：The*psychotropic*airplanes#underwrote*the*dispassionate*song。数据制作与合成音素切分与合成音变处理连续语流总存在一些规则音变或者不规则音变，导致所读不是原来词典音素音素是身份牌，这个错了后果很严重！修改标准：尊重录音中文：声调变化，儿化，轻读。没被改过的音变就是地雷英文：连读，吞音，弱化，缩写词吞音标准：有无音位，或者我去掉这个读有无差别英文音素短，不是母语，更需小心“还请大家切音时多细心”数据制作与合成韵律标注与合成韵律标注是音素的档案，据此来分门别类，听候取用良好的韵律标注帮助我们构建正确有效的统计预测结构，上下文韵律决策树如果韵律标注是错误的，连锁毁灭性破坏韵律标错-聚类分错-模型建错-预测走错-参数找错-挑选看错-合成出错-客户很生气-gameover数据制作与合成韵律标注与合成中文韵律：调型，停顿层次（L0L1L2L3L4L5）英文韵律：ToBI(ToneandBreakIndex)停顿层次：ToneBreak边界调：PhraseTone重读：PitchAccent*大家偏向不同，会造成数据混乱无序*浊浊修正是老牌，借宝地强调一下沟通很重要，帮助我们认识这个音库和发音人，也许能省很多工作量***0.1分之间，几家欢喜几家愁*自然度对音质打分映像的影响难免16K原始录音音质可打5分，一般统计得到4.5~4.816k原始分析合成可超过4分，一般统计得到4.0~4.3波形拼接合成音质可到4分，一般统计得到3.8~4.5参数合成系统音质在3分附件，一般统计得到2.8~3.5*音质对自然度打分映像的影响难免

忍痛，樽

*自然度对音质打分映像的影响难免**敏感度比我们高，角度常与我们不同

老外打0分，令人很无奈***语音音库与合成

江源

2009-6-11语音合成技术什么叫语音合成TextToSpeech过程,简称TTS作用：将文本状态的文字信息转化为可听的声音信息———“电脑会说话”键盘光电扫描手写识别网络/数据库文本语言处理韵律处理语音合成结果输出词典/规则语音库发声机理语音产生的生理过程总纲1.数字语音信号2.语音合成