一种汉语音节型语音合成模型

在介绍和评述了当今各种语音合成方式优缺点的基础上，作者认为用参数合成方式实现音节型语音合成系统是汉语合成较优越方式，设计了一个用有限音节合成无限词汇的汉语语音合成系统模型，试验证明其可行性，并指出进一步提高合成汉语语音自然度的途径。     

中文文语转换系统中基于决策树的基频模型提取

普通话是有调语言，基频曲线是中文文语转换系统中选择单元时一个非常重要的参数。目前，许多文语转换系统都是通过人工的方法得到一些基频曲线的变化规则，并通过应用这些规则来指导单元的选择。然而，一方面由于基频曲线的变化十分复杂，人工总结的规则十分有限，另一方面规则只能是定性的．这也造成了单元选择时的不确定性。为了能更好地根据基频这个声学参数来选择语音单元，我们就必须建立文本上下文环境信息与基频曲线之间的映射关系，即基频模型，以定量地描述基频曲线的变化规律。本文从统计学的角度出发，通过决策树的方法来建立这个模型，并将这个模型应用到普通话的文语转换系统中。实验结果表明，通过本文提出的方法建立起来的基频模型基本上反映了基频曲线的变化规律，在语音合成中取得比较理想的效果。     

基于数据驱动的语音库的分析与构建

语音数据库和规则库是转换系统中最基本和重要的部分,在进行转换时,根据韵律建模的结果,从原始语音库中取出相应的语音基元,利用特定的语音合成技术对基元进行韵律调整合成。针对语音数据库和规则库的建立技术,在GPS嵌入式系统的语音库构建过程中,在与传统方法比较的基础上,给出了基于数据驱动的构建方法,并在特定平台RAM10上,对“文-语”转换技术中的瓶颈之一进行了探讨和实践。     

基于最小合成单元的维吾尔音库设计

为了实现容量小、可懂度和自然度较好的波形拼接式维吾尔语语音合成系统,结合维吾尔语的特点,完成了文本设计、录音、语音标注、以及音库建设过程。其中,把音节作为基本的合成单元建立了音节语音库;为了弥补音库中不存在音节的合成问题,又建立了音素作为合成单元的音素语音库。实验结果表明,以音节和音素为最小合成单元的波形拼接式维吾尔语语音合成系统除了音库容量相对少等特点之外,还具有良好的可懂度。     

汉语连续语流的重音自动标注研究

重音是语音合成、语音识别、语音情感识别中表征韵律信息的一个重要参数,对提高语音合成系统的自然度、语音识别系统的准确率、语音情感识别系统的正确率等有着重要的作用.基于汉语双模情感语音数据库(ChineseDual-mode Emotional Speech Database,CDESD),采用改进的双门限判决法对连续语音进行音节分割,将音节的声学相关特征作为输入,数据库中人工标注的重音信息作为监督,建立了基于神经网络以及支持向量机(Support Vector Machine,SVM)的两种重音预测模型.实验表明,基于SVM的重音预测模型具有更好的分类效果,在CDESD能够获得82.89％的识别率.     

基于ADSP-21 85m的嵌入式汉语语音合成系统

本文将介绍一个基于ＡＤＳＰ－２１８５ｍ的嵌入式汉语语音合成系统。作为一个脱机独立系统,它可以实时实现汉语文语转换,输出较高自然度的合成语音,同时在硬件设计上具有体积小,性价比高,接口简单等特点。作为技术原型,该系统可以广泛应用于各种小型智能终端,为用户提供方便实用的语音信息服务,目前已经在车载定位信息播报系统和手机短信息播报系统中推广应用。     

新闻

安徽中科大讯飞信息科技有限公司日前研发生产出业界第一片中文语音合成芯片XF1M01,它利用科大讯飞领先的语音合成核心技术和现代超大规模集成电路设计技术,使用户只需较低的成本即可实现清晰、流畅的合成效果。语音合成(文语转换)即指将文本转换成声音的技术,它是自然语音理解、     

XD-5220汉语语音合成开发系统

本文概述了语音合成的基本概念,较完整地给出了我们自己研制的TMS5220汉语语音合成开发系统硬、软件的组成及工作原理,并给出了开发系统的工作过程。文章指出使用该开发系统可以方便、灵活地获得TMS 5220所需的汉语语音的合成参数。在充分考虑汉语语音特点的情况下,合成参数的比特率平均不高于1.2kbits/s。     

语音合成技术及其在嵌入式领域的应用

近代语音合成技术是随着计算机技术和数字信号处理技术的发展而发展起来的,主要是让计算机能够产生高清晰度、高自然度的连续语音。近几十年来国际和国内的研究主要集中在按规则文语转换,即将书面语言转换成口头语言。而最新的语音合成技术则是基于语境相关思想的大语料库合成技术。     

韵律块基频曲线的优化及规则

汉语规则合成系统中,连续语流基频曲线(F0曲线)的生成并不是各个合成单元F0曲线的简单拼接,而是语音学功能单元的综合作用。该文提出了汉语韵律块基频曲线优化的正演思想,使韵律块内的基频曲线融入重音强度、形状失真度以及发音速度等语境和发音的个体信息,提高合成语音的自然度。基于这种优化思想,该文针对聚类后的单音节、二音节和三音节韵律块的基频曲线,利用最小均方误差准则通过反演提取了各个单元的优化相关参数(高音线、低音线、平滑因子、形状失真度、重音强度)。对音节在韵律块中的位置因素和声调因素对优化相关参数的影响的统计分析表明了参数提取结果的可靠性和基频曲线优化的合理性,得到了优化控制参数在规则合成系统中具体的应用规则。实际的听测实验表明,韵律块基频曲线进行优化前后,合成系统的清晰度分别为3.25和3.35,自然度分别为2.9和3.31。     

一种汉语语音变换技术

汉语语音变换技术的目的是将汉语语音中源说话人的语音特征转换为目标说话人语音特征。提出的适用于汉语说话人的变换算法分为3个部分:前两部分用高斯混合模型实现了语音的谱包络(线性预测编码)及其激励(残差)的转换;第三部分采用支持向量回归算法实现语音的韵律变换规则建模,结合汉语语音特点利用基音同步叠加算法实现语音的超音段特征调整。与现有的语音变换算法进行比较,算法针对汉语语音超音段发音特点进行韵律调整,有效实现了汉语语音变换并得到高自然度合成语音,是一种有效的汉语语音变换算法。     

层次韵律特征对语音情感转换的影响分析

针对传统以音节为单位的情感语音转换方法不能有效反映韵律的动态变化特征问题,分析音节、韵律词、语句三个层次的韵律特征在不同情感下的变换规律。根据情感语音的层次韵律变换特点,在音节层韵律转换的前提下,结合韵律词和语句级别的韵律变化特征对音节的韵律特征进行修正,实现语音的情感转换。实验结果表明,对于开心、生气和悲伤三种情感语音的转换,采用层次韵律转换的方法可以有效提高情感语音合成的质量。     

维吾尔语边音的声学特征分析

根据语音合成与识别等语音应用研究的需求,从文本分析模块入手,从"维吾尔语语音声学参数库"中选择了包含边音/l/的单音节、双音节、三音节以及多音节词[0](即四音节以及四音节以上的词),提取它的声学参数并进行统计分析,探讨了边音的声学特性,分别研究了边音在单音节及多音节词中时的以及边音出现在词中位置(词首、词中、词末)时的共振峰、音强和时长分布模式,得出了一系列结论,其目的是为了提高语音合成的自然度即更好地为自然语言处理服务。本项研究结果维吾尔语语言乃至整个阿尔泰语系语言的韵律研究具有较高的参考价值。     

基于OSYNO 6188的SMS TTS系统的研究与实现

主要叙述了TTS技术原理。提出并实现了一个可靠的文语转换系统——基于语音合成芯片和SMS模块的短消息的语音播报系统。该系统在远程监控中得到了成功应用。     

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。     

数据挖掘技术在情感语音合成中的应用

目前,情感语音合成自然度在情感语音合成中成为难点,本论文将数据挖掘技术应用于其中.通过对传统的Aprior算法的改进,探讨了如何提取情感语音韵律参数之间的关系,并且在理论上表明比传统Aprior算法在挖掘情感语音频繁项目集的效率高.应用这些规则,可以很方便的为以后情感语音合成系统的选音提供帮助和参考.     

维吾尔语/r/辅音的声学特征分析

根据语音合成与识别等语音应用研究的需求,从文本分析模块入手,利用＂维吾尔语语音声学参数库＂,选择了包含辅音/r/的单音节以及多音节词,对其语图中弱短元音现象进行以实验语音学为出发点的研究。对声学参数进行统计,归纳其共振峰、音强和时长分布模式,得出了一系列结论,其目的是为了提高语音合成的自然度,即更好的为自然语言处理服务。本项研究结果对维吾尔语语言乃至整个阿尔泰语系语言的韵律研究具有较高的参考价值。     

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。     

一种应用矢量量化的语音合成新方法

本文提出一种应用矢量量化进行类音素分类,以类音素为合成基元的语音合成新方法。这种方法能以很低的计算和存储代价,合成自然度、可懂度都较好的语音。合成的语音既适合于全汉语词汇语音合成,也适于制作某些专门用途的低价语音合成器。     

一种基于LSTM的合成语音自然度评价方法的研究

目前的语音合成技术越来越成熟,而对于合成语音质量的度量还没有比较好的客观评价体系。文中在传统的主观评分体系基础上,分析了影响合成语音质量的关键因素,利用深度学习方法建立了合成语音质量评价系统,对汉语合成语音的自然度进行客观评价。该方法得到的语音质量评分结果与人工打分的主观评价结果相比,五分制条件下的均方根误差为0.4分,相关系数为0.68。