藏語統(tǒng)計(jì)參數(shù)語音合成的合成語音的音質(zhì)評(píng)測(cè).pdf

1、統(tǒng)計(jì)參數(shù)語音合成為了語音合成領(lǐng)域的主流合成方法，該方法能夠利用有限的訓(xùn)練語料合成出不同說話人、不同風(fēng)格和不同情感的語音，具有容易改變合成語音的音質(zhì)、模型占用存儲(chǔ)空間小等優(yōu)點(diǎn)。論文以藏語的統(tǒng)計(jì)參數(shù)語音合成的合成語音質(zhì)量的評(píng)測(cè)為研究目標(biāo)，提出了一種面向藏語統(tǒng)計(jì)參數(shù)語音合成的語音基元自動(dòng)標(biāo)注方法，考察了不同基元、不同時(shí)間標(biāo)注對(duì)藏語統(tǒng)計(jì)參數(shù)藏語合成系統(tǒng)合成的語音音質(zhì)的影響，同時(shí)引入說話人識(shí)別方法對(duì)合成語音和源說話人的語音的相似程度進(jìn)行了評(píng)測(cè)。論

2、文的主要工作與創(chuàng)新如下：
　　1.提出了一種面向藏語統(tǒng)計(jì)參數(shù)語音合成的語音基元自動(dòng)標(biāo)注方法。在基于隱 Markov模型(Hidden Markov Model，HMM)的藏語統(tǒng)計(jì)參數(shù)語音合成的聲學(xué)模型訓(xùn)練中，引入了DAEM(Deterministic Annealing Expectation Maximization)算法，對(duì)沒有時(shí)間標(biāo)注的藏語訓(xùn)練語音進(jìn)行自動(dòng)時(shí)間標(biāo)注。以聲母和韻母為合成基元，在聲母和韻母的聲學(xué)模型的訓(xùn)練過程中，

3、利用 DAEM算法確定HMM模型的嵌入式重估的最佳參數(shù)。訓(xùn)練好聲學(xué)模型后，再利用強(qiáng)制對(duì)齊自動(dòng)獲得聲母和韻母的時(shí)間標(biāo)注。實(shí)驗(yàn)結(jié)果表明，該方法對(duì)聲母和韻母的時(shí)間標(biāo)注接近手工標(biāo)注的結(jié)果。
　　2.考察了不同語音基元和不同的基元時(shí)間標(biāo)注對(duì)藏語合成語音音質(zhì)的影響。分別利用自動(dòng)標(biāo)注了時(shí)間邊界和手工標(biāo)注了時(shí)間邊界的藏語語料庫(kù)訓(xùn)練聲學(xué)模型，實(shí)現(xiàn)基于HMM的藏語統(tǒng)計(jì)參數(shù)語音合成系統(tǒng)。在此基礎(chǔ)上，分別考察了以聲、韻母為合成基元和以音節(jié)為合成基元對(duì)合成

4、語音音質(zhì)的影響。同時(shí)也考察了手工時(shí)間標(biāo)注和自動(dòng)時(shí)間標(biāo)注對(duì)合成語音音質(zhì)的影響。結(jié)果表明，在訓(xùn)練語料少時(shí)，兩種不同基元合成的藏語語音音質(zhì)都比較差。隨著訓(xùn)練語料的增加，兩種不同基元合成的藏語語音音質(zhì)都在提高。最終在一定訓(xùn)練語料情況下，兩種不同基元可以合成語音音質(zhì)近似的語音。同時(shí)，以音節(jié)為基元時(shí)用自動(dòng)標(biāo)注時(shí)間的訓(xùn)練語料合成的藏語語音與用手工標(biāo)注時(shí)間的訓(xùn)練語料合成的藏語語音音質(zhì)還有一定的差距。
　　3.提出了一種利用說話人識(shí)別方法評(píng)測(cè)合成語