语音合成报时系统

近年来数字语音合成技术发展速度令人瞠目,各种单片集成电路的语音合成器相继问世,它们在微处理器控制下能够实时产生音质相当满意的合成语言,因此在邮电、军事通信、工业和办公室自动化等领域正迅速得到推广应用。本文介绍一个应用语音合成技术的自动报时     

一个语音驱动的人脸合成系统

本文采用多层前馈神经网络,对汉语中的声母和韵母的发音唇型参数及其相应的语音参数之间的映射进行了研究.通过实验,对于在进行语音参数和唇型参数的映射研究中,选择哪种语音参数更为合适进行了分析.最后,把该网络应用于一个人脸合成系统.该系统能够实时地合成和语音同步而且较为自然的唇型.     

基于HMM的可训练中文语音合成

本文将基于HMM的可训练语音合成方法应用到中文语音合成。通过对HMM建模参数的合理选择和优化,并基于中文语音特性设计上下文属性集以及用于模型聚类的问题集,提高其建模和训练效果。从对比评测实验结果来看, 98.5%的合成语音在改进后其音质得到改善。此外,针对合成语音节奏感不强的问题,提出了一种基于状态和声韵母单元的两层模型用于时长建模和预测,集外时长预测RMSE由29,56ms降为27.01ms。从最终的合成系统效果来看,合成语音整体稳定流畅,而且节奏感也比较强。由于合成系统所需的存贮量非常小,特别适合嵌入式应用。     

普通话水平测试电子化系统

普通话水平测试电子化系统有助于高效地进行普通话水平测试。本文在100小时标准发音人数据库的基础上,针对汉语发音特点,利用语言学专家知识,引入语料选择的自适应算法改进了传统的语音评测算法。在500人普通话水平测试数据库上的测试结果表明,新评测算法能有效提升评测性能。经过分段线性映射,机器评分和人工评分的误差(2.44)和人工与人工评分之间的误差(2.30)相当。这表明可以使用机器代替人工进行普通话水平测试的前三项评分工作。     

各频段的时域周期波动信息在中文元音和音调认知中的作用

各种时域包络信息中,周期波动信息能显著增强频谱信息严重受损时的中文音调和句子识别;分析各频段的时域周期波动信息对中文语音识别的作用具有重要的理论和实际意义。为了在不同频段中保留时域周期波动信息,4频段电子耳蜗声学模拟实验使用不同的低通滤波截止频率来提取各频段的时域包络。6种低通滤波截止频率组合包括:4频段都使用50Hz(all-50),4频段都使用500Hz(all-500),4频段中某一频段使用500Hz而其余三频段使用50Hz(ch1-500等)。辨识结果显示:ch4-500组合产生最高的,与all-500组合相似、比all-50组合显著增强的音调识别;而元音识别则不随低通滤波截止频率组合发生显著变化。这表明传递最高频段的时域周期波动信息对增强电子耳蜗使用者的中文音调识别最重要。     

考虑语速和前后环境的基频Target模型及实现

本文通过一些实验和数据分析,对以音节为单位的基频target模型(认为音节的实际基频是一个有语音学意义的隐藏的目标target和前后环境作用的结果)的实现进行修正,并结合数据挖掘的方法自动得到了一个实用化的target基频模型。文中指出,音节的target必须不受语速影响,但同时受前后语言环境影响,实际的基频曲线是在前后的韵律曲线作用下向target的一个逼近过程。文章的主要任务就是如何假设一个合理的target,实现基频的target参数自动提取,最后进行基于机器学习的模型训练,成功实现了完全自动化的完整句子的基频预测和合成。集外测试结果预测的均方误差为22Hz,相关系数为0.72。     

基于最大熵模型的韵律短语边界预测

语音合成系统中,由于韵律短语边界预测的水平不高,阻碍了合成语音自然度的进一步提高。本文根据韵律短语边界预测的特点,提出了基于最大熵模型的预测方法。为考察该方法的能力,在较大规模的数据集上,使用相同的属性集,对比了其与主流的决策树方法的预测效果。还考察了词面信息的贡献,以及选择特征时的不同阈值对最大熵模型的影响。实验表明,使用相同的属性信息,最大熵方法比传统的决策树方法在F-Score上有5.5%的提高,加入了词面信息的最大熵模型则有9.4%的提高。最后指出,最大熵模型相当于一个带权重的规则系统,可以很好的解决规则冲突问题。     

基于PCI总线的图像采集卡在WINDOWS下的实现

利用ＰＣＩ总线设计图像采集卡，解决了图像数据传输量大的问题，减少了对总线占用的时间；软件上采用Ｗｉｎｄｏｗｓ作为平台，作到了图像数据经过处理后实时实现     

Windows95下多线程中的同步机制

对Ｗｉｎｄｏｗｓ９５下的多进程、多线程的同步机制进行了分析。针对实时多媒体可视电话系统实际应用，就如何实时实现各个进程的同步进行了详细论述；同时简要介绍了ＷＩＮ９５下的设备驱动程序的编写。     

双路G．7 23．1在ADSP21 061上的实时实现

由于具有高音质和低码速率的特点,G．723．1被作为PSTN网上的可视电话的语音通信标准,并广泛应用于IP Phoen等其他语音通信领域。文中详细介绍了在ADSP21061上实时实现双路G．723．1编解码功能的软硬件设计。系统实现的关键难点是双路编解码算法的实时实现,因为采用原始的G．723．1算法,双路编解码系统无法实时的实现。通过采用作者提出的一个递推算法,双路G．723．1编解码算法所需要的计算量最多为26．9MIPS,从而能够在ADSP21061上实时实现。递推算法没有造成G．723．1算法数值的任何改变。由于ADSP21061是一个低价位芯片,所以该双路系统具有相当高的性能价格比,它已经在PSTN网上多媒体通信系统和数字语音记录仪上进行了推广应用。