语音合成中情感韵律建模的声学特征与听感感知相关性研究 .docxVIP

PAGE2

语音合成中情感韵律建模的声学特征与听感感知相关性研究

摘要

语音合成技术已从单纯的文字—语音转换，发展为追求自然度与表现力的情感语音合成。情感表达的准确复现，核心在于韵律建模，而韵律参数对听感的作用机制尚不完全清晰。本研究聚焦情感语音合成中韵律建模的关键问题，系统分析不同情感状态下音高、时长、能量三类声学特征的变化规律，并探究其在听感感知中的权重分布。

本文首先在绪论部分明确研究背景、目的与方法；其次通过文献综述梳理国内外关于情感韵律建模的研究脉络，指出多元参数感知交互研究的不足。第三章界定核心概念并建立“声学—感知”双维分析框架。第四章作为问题解析，细致描绘不同情感下韵律参数的变异模式及结构性成因。第五章深入阐释感知权重的作用逻辑、条件边界与演变趋势。第六章完成理论建构，提出一个基于维度权重的情感韵律解释框架。最后，总结研究结论、理论贡献与实践启示，并讨论局限与未来方向。

本研究试图揭示，情感语音韵律并非单一参数的线性叠加，而是多维声学线索按照特定感知权重动态耦合的结果。这为提升语音合成情感表现力提供了理论支持。

关键词：语音合成；情感韵律建模；声学特征；听感感知；韵律参数

第一章绪论

1.1研究背景

随着人机交互深度融入日常生活，语音合成系统不再满足于念出清晰的词语，而是被期许传递喜悦、悲伤、愤怒等丰富情感。然而，当前多数合成语音在情感表达上仍显生硬，难以