結(jié)合聽感度量的語音合成方法研究.pdf

1、近年來語音合成技術(shù)發(fā)展迅速，并在越來越多的實(shí)際場景中得到了應(yīng)用。基于大語料庫的單元挑選與波形拼接方法和基于統(tǒng)計(jì)建模的參數(shù)合成方法是目前最為主流的兩種語音合成方法。這些方法通常在訓(xùn)練階段提取語音聲學(xué)特征并構(gòu)建統(tǒng)計(jì)模型，在合成階段依據(jù)特定準(zhǔn)則實(shí)現(xiàn)單元挑選或參數(shù)生成。在現(xiàn)有語音合成方法中，常用的聲學(xué)特征包括基頻、倒譜、線譜對等，常用的單元挑選與參數(shù)生成準(zhǔn)則包括最大輸出概率準(zhǔn)則等。這些特征和準(zhǔn)則往往基于語音產(chǎn)生機(jī)理和統(tǒng)計(jì)學(xué)方法進(jìn)行設(shè)計(jì)，而從語音

2、聽覺感知角度進(jìn)行的考慮較少。在另一方面，合成語音的質(zhì)量評估仍然依賴于測聽人的主觀評分。在特征選擇與合成準(zhǔn)則中對于聽感度量的考慮不足，制約了現(xiàn)階段方法合成語音質(zhì)量的進(jìn)一步提升。
　　因此，本文圍繞結(jié)合聽感度量的語音合成方法展開研究工作。一方面，研究了單元挑選與波形拼接合成中結(jié)合主觀評價(jià)數(shù)據(jù)的單元挑選準(zhǔn)則設(shè)計(jì)方法，通過構(gòu)建合成錯(cuò)誤檢測器，實(shí)現(xiàn)了將測聽人對合成語音的主觀評價(jià)信息融入單元挑選準(zhǔn)則，提高了合成語音的自然度;另一方面，研究了統(tǒng)

3、計(jì)參數(shù)語音合成中結(jié)合聽感相關(guān)聲學(xué)特征的建模與生成方法，利用調(diào)制譜、多分辨率時(shí)頻分析等與聽覺感知機(jī)理相關(guān)的聲學(xué)度量，對傳統(tǒng)聲學(xué)特征的建模與生成方法進(jìn)行了改進(jìn)，提高了合成語音的主客觀質(zhì)量。
　　本文的安排如下，
　　第一章是緒論，簡要介紹了語音合成的概念、意義以及發(fā)展歷史，重點(diǎn)介紹語音合成的研究現(xiàn)狀，并提出了本文的研究目標(biāo)和研究內(nèi)容。
　　第二章將提出一種結(jié)合主觀評價(jià)數(shù)據(jù)的單元挑選語音合成方法。該方法首先利用眾包網(wǎng)絡(luò)平臺快

4、速、大量地收集測聽人對合成語音的主觀評價(jià)數(shù)據(jù)，然后基于這些數(shù)據(jù)構(gòu)建合成錯(cuò)誤檢測器，最后將上述檢錯(cuò)器的打分結(jié)果融合到單元挑選準(zhǔn)則中。實(shí)驗(yàn)結(jié)果顯示該方法能夠有效改善合成語音的自然度。
　　第三章將介紹結(jié)合聽感相關(guān)聲學(xué)特征的統(tǒng)計(jì)參數(shù)語音合成方法。首先介紹了調(diào)制譜和多分辨率時(shí)頻分析的基本概念，包括其聽覺生理基礎(chǔ)與計(jì)算提取方法;然后研究了基于調(diào)制譜補(bǔ)償?shù)膮?shù)合成音質(zhì)增強(qiáng)方法，設(shè)計(jì)實(shí)現(xiàn)了多種面向線譜對特征的調(diào)制譜計(jì)算策略，實(shí)驗(yàn)結(jié)果表明，先將線