面向汉语统计参数语音合成的标注生成方法

针对汉语统计参数语音合成中的上下文相关标注生成,设计了声韵母层、音节层、词层、韵律词层、韵律短语层和语句层6层上下文相关的标注格式。对输入的中文语句进行文本规范并利用语法分析获得语句的结构和分词信息;通过字音转换获得每个汉字的声韵母及声调;利用TBL（Transformation-Based error driven Learning）算法预测输入文本的韵律词边界和韵律短语边界。在此基础上,获得输入文本中每个汉字的声韵母信息及其上下文结构信息,从而产生统计参数语音合成所需的上下文相关标注。设计了一个以声韵母为合成基元的普通话的基于隐Markov模型（HMM）的统计参数语音合成系统,通过主、客观实验评测了不同标注信息对合成语音音质的影响,结果表明,上下文相关的标注信息越丰富,合成语音的音质越好。     

维吾尔语陈述句韵律层级停顿模型研究

以提高合成语音自然度为研究背景,以建立陈述句中各韵律层级时长模型为研究目的,首先制定维吾尔语韵律层级划分规则,针对已筛选的40630个典型文本句子进行各韵律层级的人工标注,利用统计方法建立各个韵律层级的时长模型。实验结果表明,本文研究思路和方法切实可行,为提高语音合成自然度打下一个坚实的基础。     

基于声调核参数及DNN建模的韵律边界检测研究

韵律边界对言语表达的自然度和可理解度有着重要作用。韵律建模也是语音合成、语音理解中的重要方面。该文从相邻声调的相互作用角度出发,提出基于深度神经网络(DNN)及声调核声学特征的汉语韵律边界检测方法。该方法首先采用声调核部分的声学特征来计算边界检测相关参数。然后,利用深度神经网络进行建模。作为对比,实验中采用了以整个音节的声学特征为输入特征的基线系统。结果表明,只使用调核部分声学特征的系统优于使用整个音节的系统,韵律边界检测正确率相对提高了4%,这表明该文提出的汉语韵律边界检测方法的有效性。     

基于韵律特征和语法信息的韵律边界检测模型

韵律短语边界的自动检测,对语音合成中语料库的韵律标注以及语音识别中韵律短语的自动划分都有重要意义。本文通过对影响韵律短语边界的声学、韵律等参量的分析,得到和韵律短语边界关联性较大的一组声学特征参数、韵律环境参数和语法信息;同时引入语音合成中的韵律预测思想,在假定所有音节边界均为非韵律短语边界时,预测每个音节的基频。最后使用决策树模型,将音节边界处的韵律环境信息、语法信息以及预测结果作为决策树的输入,利用决策树综合判定当前音节边界是否为韵律短语的边界。实验表明,这种方法对于基于确定性文本(text-dependent)的语音韵律短语边界的检测,具有较好效果,同时可以显著提高语音合成中语料库的标注效率和标注结果的一致性。     

多维关联规则在汉语韵律模型研究中的运用

汉语韵律特征受语境参数影响时受前后音节的影响较大,利用数据挖掘中的多维关联规则方法处理汉语韵律问题,得出研究者感兴趣的有用规则,然后利用神经网络方法分析输出更为准确的韵律参数,构建语音合成系统的韵律模型。将构建的韵律模型在软件平台上进行模拟实验,实验证明,该模型能满足语音合成系统的要求。     

竞争型神经网络在汉语TTS系统中的应用

在汉语TTS系统韵律模型中改善文本处理能力可提高汉语语音合成系统的语音输出质量，针对上述问题，该文提出了竞争型神经网络在汉语TTS(Text to speech)韵律建模中的应用，通过对输入的多个不同韵律特征的模板样本进行竞争，最终选择与自然语音最匹配的那个样本模板，听辨的结果证明，竞争型神经网络模型合成语音的自然度得到进一步的提高。     

支持重音合成的汉语语音合成系统

针对基于单元挑选的汉语语音合成系统中重音预测及实现,本文采用了知识指导下的数据驱动建模策略。首先,采用经过感知结果优化的重音检测器,实现了语音数据库的自动标注;其次,利用重音标注数据库,训练得到支持重音预测的韵律预测模型;用重音韵律预测模型替代原语音合成系统中的相应模型,从而构成了支持重音合成的语音合成系统。实验结果分析表明,基于感知结果优化的重音检测器的标注结果是可靠的;支持重音的韵律声学预测模型是合理的;新的合成系统能够合成出带有轻重变化的语音。     

语音合成中的韵律关联模型

基于大规模语音数据库的文语转换系统(Text-to-Speech , TTS)中,如何选取合适的语音基元是提高合成语音自然度的重要因素。本文研究了连续语流中的韵律关联现象,提出了包含韵律关联参数的汉语韵律特征参数集,基于数据挖掘中的关联规则模型(Association Rules Model)建立韵律关联模型,并将该模型应用于基元选取。实验表明,该方法有效地利用了语音基元的韵律及关联信息,符合人耳的知觉感受,使得合成语音自然度的主观评测MOS(Mean Opinion Score)得分与不考虑韵律关联时的结果相比提高了12.22%(3.49/3.11)。     

汉语语音合成技术综述

汉语语音合成技术经历了三十几年的发展,涌现出许多新技术、新模式.首先介绍了汉语语音合成系统的原理,在综合对比目前所有语音合成技术的基础上,以效果较好的合成技术为重点,对汉语语音合成系统的文本分析、韵律控制、语音合成、语料库的建立4个关键性模块的实现技术进行了详细论述.并针对嵌入式与PC下汉语语音合成系统的开发提出了通用的方案,为汉语语音合成系统的后续研究提供参考借鉴作用.     

基于互补模型的汉语韵律间断自动检测

自动韵律间断检测和标注对语音理解和语音合成有十分重要的作用。提出了利用声学、词典和语法相关特征的互补模型方法检测汉语韵律间断。该方法具有下列优点:(1)摒弃了声学相关特征和词典、语法相关特征的独立性假设;(2)互补模型方法不仅在特征层上利用当前音节的上下文信息,而且在模型层次上利用了当前音节的上下文信息。在ASCCD语料库上验证了该方法能够获得90.34%的韵律间断的检测准确率,较基线系统有 6.09%的提高。     

基于数据驱动方法的汉语文本-可视语音合成

计算机文本-可视语音合成系统(TTVS)可以增强语音的可懂度,并使人机交互界面变得更为友好.给出一个基于数据驱动方法(基于样本方法)的汉语文本-可视语音合成系统,通过将小段视频拼接生成新的可视语音.给出一种构造汉语声韵母视觉混淆树的有效方法,并提出了一个基于视觉混淆树和硬度因子的协同发音模型,模型可用于分析阶段的语料库选取和合成阶段的基元选取.对于拼接边界处两帧图像的明显差别,采用图像变形技术进行平滑并.结合已有的文本-语音合成系统(TTS),实现了一个中文文本视觉语音合成系统.     

基于汉语节律特征描述的语音合成模型

汉语节律的合理使用能使合成语音表现出语篇的正确内涵和感情色彩。本文介绍了一种基于汉语节律特征描述的语音合成模型。本文首先介绍了汉语节律的停延、词重音、句重音、变调、调模等节律特征的分析和提取,详细描述了节律特征的各类情形,并阐述了基于汉语节律的语音合成算法模型,包括切词、标注、分析、定模、修正、输出的处理流程和合成语音声学参数序列{（h,l,s）}的生成。最后,给出了语音合成模型的实验结果与分析。     

中文语音合成系统的设计与实现

为了实现机器能够发出声音,本文设计并搭建了HTK（HMM-Tool-Kit）平台用来实现中文语音合成系统.采用参数合成法实现了文本到语音的合成,并对合成系统中的文本分析、韵律控制以及语音合成的实现技术进行了详细的论述.最后在Linux系统下搭建环境并进行实验,得到了预期的结果,实现了文本到语音的转化.     

波形编辑语音合成技术及在汉语TTS中的应用

本文介绍了近几年迅速发展的基于波形编辑的语音合成技术。文中简介了它的研究内容、基本算法，还介绍了用波形编辑方法实现的汉语文－语转换系统。     

英汉翻译系统上的汉语自然语音输出系统ECTRAN／SO

本文旨在介绍在英汉翻译系统基础之上实现汉语语音输出系统ＥＣＴＲＡＮ／ＳＯ。着重讨论如何利用英汉翻译系统的语法、语义信息，产生停顿和轻音信息，借以得到自然流畅的语音输出，在本输出系统的实现过程中，用波形存储法建立常用音库，实现了简单句子的语音输出。     

一种数据驱动的汉语成句语音韵律特征产生模型的研究

针对汉语发音特点，基于对大量自然汉语语句基频轮廓数据的统计和分析，提出一种用于数据驱动生成汉语韵律特征的数学模型。该模型以基频参数为主，辅以时长和增益参数，能表现汉语的语气、短语节奏、韵律词声调及轻重音多层韵律信忠，各层参数可按语言知识分类训练和标注。给出了模型的各种归一化“调素”函数和变调规则。仿真实验表明了该模型的有效性。     

基于TD—PSOLA普通话韵律参数修改的实现

在普通话文语转换系统中,如何精确控制韵律参数修改是关系到合成语音质量的关键.根据汉语普通话的韵律特征,采用TD-PSOLA算法,精确实现了的韵律参数的修改.用分时段直线韵律参数模型,动态生成基音轮廓,计算出合成基音标记,一次性实现基频尺度修改和时间尺度的修改.根据自然语音与模拟合成出来的语音韵律参数比较分析表明,能有效地控制韵律参数,达到预期的参数合成目标,并且具有较高质量.也可以进行进行参数合成运算量少,控制参数精确,合成语音清晰自然.     

基于波形音频段处理的中文语音合成研究

针对语音合成自然度不够理想的问题，文章提出了语音单元之间平稳过渡的改进方法和在分词基础上的词的组合方法，给出一些短语的组合，并对合成中的语气处理规律进行了探讨，将这些规则和规律成功应用于汉语文本－语音转换系统，获得了比较好的效果。     

基于小波变换的汉语语音合成方法

本文提出了一种汉语语音合成的方法．利用小波变换检测语音信号的声门闭合时刻（ＧＣＩ）利用语言信号的ＧＣＩ进行基音同步和样本选择的多脉冲线性预测分析，将得到的时参数保存到语音库中，通过改变相应的语音参数可以灵活地调节音节的时长，基音频率简强，本方法得到一语音参数比传统方法得到的参数更加精确，合成语音清晰，自然，并且大大降低了语音库的存储量，非常适合小于微型计算机系统。     

一个实用的汉语文语转换系统

本文介绍了一个基于语音参数规则合成的汉语文语转换系统。本系统采用汉语音节和词汇作为合成单元，保留了音节构词时音节与音节之间以及音节内部的超音段信息，保证了合成语音的自然度；采用目前较成功的ＣＥＬＰ语音编码方法对合成单元进行压缩，在２０多倍的情况下仍能保证合成语音的高清晰度。作者在构建系统时对系统软件的完善考虑以及对用户编程接口的设计，使得该系统成为一个有广泛用途的汉语文语转换系统。