调频（FM）音乐合成原理与实现

本文介绍了调频(FM)音乐合成原理,并结合YM3812音乐合成芯片,讲述了FM音乐合成的实现。     

方言转换系统中的音节切分算法研究

方言转换系统实现了普通话到济南话、沈阳话和西安话的实时语音转换.北方方言之间的差异主要体现在声调上,声调是属于音节的,因此声调转换模式转换是以音节为单位实施的.主要研究了方言转换系统中关键技术:连续语流音节切分算法.提出了一种基于自动机的逐级音节切分算法,分为语段切分、音节切分自动机和切分点自动校正三部分.该算法在误差48ms时,正确率达到72.55%,并成功支持了方言转换中的基频模式转换.     

一种面向QoS的Web服务组测试方法TF

Web服务及SOA技术的出现为Web应用架构提供了一个新的范式.未来会有大量功能相同或相近的Web服务,如何从中优选出符合用户需要的Web服务已成为一个正在研究的问题.在研究了现有的Web服务组中Web服务优选方法基础上,针对其仅局限于功能优选的不足,提出了一种面向QoS的Web服务组中Web服务优选方法.在定义Web服务QoS向量特征分量、QoS向量、最大相似度、QoS测试预言、QoS向量特征分量测试预言等参数基础上,基于层次聚类思想实现QoS向量聚类,依据最大相似度控制聚类层次,之后利用QoS测试预言、QoS向量特征分量测试预言及决策树实现优选.实验结果表明该方法是有效的,克服了以前的方法仅限于功能优选的局限性.     

高素质本科人才培养的探索

在人才培养过程中,清华大学计算机科学与技术系始终贯彻学校"高素质、高层次、多样化、创造性"的人才培养目标,并通过各种教育教学活动完善人才培养体系。     

一种基于决策树模型的音库构建和基元选取方法

针对嵌入式设备的存储容量小、计算能力有限的特点，设计了一种基于CART（Classification and Regression Trees）决策树模型的基元预选算法和基元选取算法，可以从原始语音语料库中挑选出最有代表性的基元样本，从而有效地降低音库规模和算法的复杂度，满足了嵌入式TFS（Text-to-Speech）系统的需要。基于以上算法，移动终端上实现了一个嵌入式中文TTS系统，实验结果表明该系统的合成语音具有较高的可懂度和自然度。     

基于混合基元模型的非定长基元选取算法

介绍了面向中英文双语应用的英文语音合成系统中基于混合基元模型的非定长基元选取算法．清华大学计算机系人机语音交互实验室针对中英文混读相同发音人的限定，实现了基于混合基元模型的语料库构建和鲁棒灵活的非定长基元选取方法，在一定程度上弥补了发音人英语发音不饱满、自由度大的缺陷，真正实现了相同发音人中英文混读的要求．试验证明，采用这些方法能够极大的提高合成质量，达到令人满意的效果．     

汉语文本-可视语音转换的研究

本文通过对发音者可见器官动作的研究 ,从视觉方面抽取汉语发音的 2 6个基本口形 ,并利用 MPEG- 4所规定的面部动画参数 (FAP)来描述这些口形 ,从而获得了符合国际标准的描述汉语发音的视觉参数 .另外 ,我们研究了这些参数在连续语流中的变化及协同发音对口形的影响 ,基于已有的汉语文语转换系统 (Sonic)和二维网格人脸模型(Plane Face)实现了一个汉语文本 -可视语音转换系统 (TTVS)     

汉语普通话语音合成语料库TH-CoSS的建设和分析

本文介绍了汉语语音合成语料库TH-CoSS的建设和分析。本语料库包括男女声朗读语句约2万个。语料库分为四个部分: TTS系统建库用语句、TTS系统测试用语句、特殊语调语句和特殊音节组。语料设计考虑了语料的平衡和音段、韵律信息的丰富。语料库中除了文本、语音数据外,还带有音段切分标志,标注文件采用XML格式。为了方便语音分析与开发,特研制了标注软件。本文还给出了语境特征对语音韵律影响的分析结果。     

Web应用测试技术进展

Web应用的特殊性使得其测试具有挑战性,但目前针对其测试的研究同其设计开发的研究相比相对薄弱.从Web应用的体系结构、实现技术、组成成分、运行机制、运行环境、开发设计等方面分析了影响测试的因素.归纳了现有Web应用设计阶段、开发阶段、运行阶段、维护阶段所涉及的主要测试方面及使用的动态、静态测试技术.并从测试的几个关键方面,如链接测试、组件黑盒测试、组件白盒测试、WS及WSC测试及性能测试等方面综述当前研究热点难点,包括面向对象的建模、统计建模、控制流测试、数据流测试、数据组合测试、WS测试、WS组测试、WSC测试、协议测试、性能测试的负载模型与用户会话数据集的优化等问题.指出了有关研究的局限性.从模型驱动测试、基于Agent测试、WS及SOA测试、性能测试等方面探讨了Web应用测试未来的研究方向.     

基于神经网络由语音预测视位参数

语音是由多个发音器官共同作用产生的，发音器官动作与语音之间有着内在的必然联系．研究了利用神经网络预测视位参数中的选择语音参数、确定输入语音时域范围、优化神经网络结构等因素．实验结果表明，线性预测参数加短时能量优于其他语音参数，前向协同发音较后向协同发音影响更大，反馈对前馈神经网络的性能有所改善．考虑到实验采用的是任意连续语流，均方误差约为0．0114的实验结果还是很有吸引力的．