汉语语音声调提取技术方法研究

随着现代科技和计算机以及平板电脑等的发展,语音交互将成为人机通信的主要方式,而汉语在语音合成中声调是不可或缺的一个重要组成部分。在声调提取过程中首先采用改进的短时自相关函数的方法进行基音检测,同时为了能较为精确地进行浊音的基音检测,利用变长分帧的方法提取基音周期序列,并通过Matlab仿真得到了汉语语音4种声调的调型曲线。仿真结果表明,该方法所得到的调型曲线与汉语普通话声调的典型曲线较为一致。     

一种语音更改技术的研究与实现

基于时域基音同步叠加算法完成了对语音信号的更改。首先求出语音信号的基音周期,接着对语音信号进行基音标注,然后对基音周期进行更改,最后,将语音信号按照更改后的基音周期基于时域基音同步叠加算法进行语音合成。实验表明,语音更改方法可得到很好的效果。     

浅析汉语语音与口型匹配的基本机理

对语音口型匹配的机理进行了概要探析.首先归结了语音口型运动遵循的一些规则,然后在此基础上,结合汉语语音发音特点,从几何形状匹配和时间匹配两个层面,探析了语音与口型匹配的机理.在几何匹配层面,阐述了汉语语音与口型的对应方法,并进一步分析了声母和韵母口型的形成机理;在时间匹配层面,简要分析了声母和韵母口型的时间对位方法.     

4．0Kb／s低复杂度语音编码算法

提出了基于正弦激励的4．0Kb／s低复杂度语音编码算法。该算法对线谱对参数采用带帧间预测技术的全局最优标量量化,在保证语音质量和编码速率的同时,降低了算法所需的存储量和运算量。同时,分子帧的能量参数和清浊音参数提取,更精确地描述了语音变化的特征。分数基音周期的提出对精确刻画语音声调有很大益处。最后激励谱参数的多级矢量量化很好地弥补了正弦激励算法在语音自然度上的缺失。测试结果表明,此算法的非正式主观MOS分达到了3．5,语音质量与AMR4．75Kb／s相当．同时其存储量和运算量大大低于基于CELP的4．0Kb／s左右速率语音编码算法。     

基于正弦加噪声模型的说话人转换方法

提出一种基于正弦加噪声模型的说话人转换方法,着重讨论通过修改音素段内的声学参数实现说话人的转换。通过修改基音频率和共振峰结构,该方法合成的语音有效地模拟了目标说话人的特性。听力测试表明,转换后的语音和目标说话人的语音相似度达到78．8％。与经典的LPC方法的对比实验验证了该法在合成语音质量方面的优越性。     

一种改进的混合激励线性预测的基音周期估计算法

本文详细讨论了混合激励线性预测(MELP)的基音周期估计算法及其改进算法.该算法采用了分数基音周期、倍数检测等技术,保证了基音周期估计的精度.同时又采用了滑动窗的方法,使得对基音周期不规则的不平稳的语音段进行基音周期估计时的误差减小.本文最后给出了该算法的测试结果及优缺点.     

一种快速提取基音周期的新方法

本文针对汉语是声调语言的特点，提出了一种提取基音周期的新方法，该方法快速、准确，可广泛应用于汉语语音处理中的四声判别及话音识别，在我们开展的《话音确认系统的研究》课题中得到有效应用。     

一种快速提取基音周期的新方法

本文针对汉语是声调语言的特点，提出了一种提取基音周期的新方法，该方法快速、准确，可广泛应用于汉语语音处理中的四声判别及话音识别，在我们开展的《话音确认系统的研究》课题中得到有效应用。     

基于小波变换的语音基音周期检测

语音信号是一种非平稳信号,基音周期是语音信号最重要的参数之一,传统的基音检测方法存在一些缺陷.小波变换鲁棒性强、能很好地反映信号的时频特性,非常适合处理非平稳信号.为准确提取基音频率,提出了一种基于小波变换的基音周期检测方法.检测前在小波域上用Teager能量算子分离出语音信号的浊音段,然后对浊音段采用空域相关函数降噪...     

基于声韵母的汉语语音识别

随着大词汇量连续语音识别技术的发展,越来越多的研究人员选取声韵母作为识别单元。在基于声韵母的汉语连续语音识别中,声韵母基元的准确分割是非常重要的一步。结合汉语发音声学特性,提出了基于声母分割方法和基于段间距离方法相结合的策略。实验结果表明：该方法达到了准确分割的目的。     

吴语文语转换中的语音韵律控制

吴语不同于汉语普通话,无论是声调类型与特征、协同发音的变调方式,还是语句的语调与幅度变化、单词重音位置与时长,都有其自身的规律。因此,在吴语文语转换中有必要建立相应的韵律控制模型来控制语音的合成输出。这里首先介绍吴语的语音韵律特征,然后介绍语音合成中具体的声调控制、变调处理以及时长与幅度调整处理方法,对语调的处理也作了简单介绍,并给出了运用韵律控制合成语音的实验评价结果。     

Modality‐Based Sentence‐Final Intonation Prediction for Korean Conversational‐Style Text‐to‐Speech Systems

This letter presents a prediction model for sentence‐final intonations for Korean conversational‐style text‐to‐speech systems in which we introduce the linguistic feature of ‘modality’ as a new parameter. Based on their function and meaning, we classify tonal forms in speech data into tone types meaningful for speech synthesis and use the result of this classification to build our prediction model using a tree structured classification algorithm. In order to show that modality is more effective for the prediction model than features such as sentence type or speech act, an experiment is performed on a test set of 970 utterances with a training set of 3,883 utterances. The results show that modality makes a higher contribution to the determination of sentence‐final intonation than sentence type or speech act, and that prediction accuracy improves up to 25% when the feature of modality is introduced.     

汉语语音合成系统中激励源和声调模型研究

在语音合成器中激励源对合成语音的质量有极为重要的作用，本文对几种浊音激励源及其合成的结果进行了分析比较，同时对激励源细动态变化特性进行了研究。汉语的声调对合成语音质量影响很大，本文通过对语音基频、音长、音强的变化分析研究，建立了汉语的声调模型。在此基础上开发了一种并联型共振峰模型，该合成器能合成出具有较好清晰度和自然度的语音     

基于MMSE准则的基频模型

在声调与语调相互作用理论的基础上,该文利用最小均方误差准则有效地提取了连续语流基频曲线的高音线及低音线,从量化的角度证实了高音线及低音线对连续语流基频曲线的作用及其区别。该文还对声调与语调相互作用的数学模型做了初步探讨,建立了基频曲线的双线调节及调中值模型,为合成系统基频灵活有效地调整提供了新的手段,提高了语音合成系统的自然度。     

基于语义的汉语普通话电子喉语音转换增强

电子喉语音存在基频单一、发声机械、辐射噪声大等多种缺陷,这严重影响了电子喉语音可懂度和自然度,特别是对汉语普通话之类的声调语言,问题尤其严重.汉语普通话电子喉语音识别存在辅音混淆的问题并且识别结果没有声调,因此本文在识别结果的基础之上设计了拼音拼写修正器和声调标注工具,再结合基于Tacotron-2的TTS实现了电子喉语音向正常语音的转换.客观评价实验结果表明,拼音拼写修正器可以提高拼音准确率,声调标注在有上下文的语义环境中具有较高准确率.主观听力测试结果表明,本文所提方法在不同语言水平上提高了汉语普通话电子喉语音的可懂度和自然度.研究结果表明,本文设计的方法可以将不带声调的电子喉语音转换为正常语音,相比于传统语音转换方法具有更高的性能.     

基于改进神经网络的三字词声调识别方法

汉语连续语音三字词声调由于受声道响应、音连、变调规律等的影响,情况较复杂,声调模式间交集大,模糊性强。提出了一种基于动态时间规整和改进神经网络的声调识别算法。实验表明,该算法可得到较好的识别效果,对探讨具有汉语特色的新的语音识别方法有重要意义。     

用时域谐波定标的数字语音编码

本文给出了一种以9.6Kb/s数据率实时工作的新的数字语音编码器.该系统由时域谐波定标(TDHS)及子频带编码(SBC)两种不同的语音压缩算法组成.阐述了TDHS的基本原理,简述了几种不同的音调检测方法.本文最后对用DSP硬件实时执行该系统的几种方式作了讨论.     

一种基于频率特征及动态窗长的钢琴调音算法

时域分析法是一种基本的语音分析方法。由于钢琴乐音模型与语音模型相似,故语音时域分析法可被用于钢琴乐音分析中。提出一种基于频率特征及动态窗长的钢琴基音识别时域算法,该算法能根据检测目标设计更为合适的分帧加窗模式,经过实验,可有效地提高检测精度及速度,在钢琴调音及单乐音基音识别应用中具有推广意义。     

基于HMM的可训练情感语音合成研究

研究了基于HMM的英语语音合成系统,并通过分析情感语句的语调,得到高兴、生气、悲伤、平静四种不同情感类型的基音频率、能量和时长的变化规律。将基于HMM的可训练语音合成方法应用到英语情感语音合成,对基于HMM所合成的平静语音,叠加相应情感的语调变化规则,通过修改韵律特征参数合成出带有情感的语音。从所合成情感语句的效果来看,合成语音整体稳定流畅、情感特征明显,且合成系统可以快速构成。