語(yǔ)音庫(kù)自動(dòng)構(gòu)建技術(shù)的研究.pdf

1、隨著語(yǔ)音合成技術(shù)的進(jìn)步,語(yǔ)音合成系統(tǒng)開(kāi)始走向大規(guī)模應(yīng)用的時(shí)代。特別是隨著可訓(xùn)練語(yǔ)音合成技術(shù)(TrainableTTS)合成效果的逐步改善,以及該技術(shù)適用于嵌入式低存儲(chǔ)空間的特點(diǎn),極大地推動(dòng)了語(yǔ)音合成技術(shù)的產(chǎn)業(yè)化發(fā)展。同時(shí),語(yǔ)音合成系統(tǒng)對(duì)構(gòu)建語(yǔ)音合成系統(tǒng)的語(yǔ)音庫(kù)也提出了更高的要求,特別是在多樣化語(yǔ)音合成方面的需求,如口音上的差異,使得語(yǔ)音合成系統(tǒng)經(jīng)常需要重新構(gòu)建。但是,傳統(tǒng)的語(yǔ)音庫(kù)構(gòu)建方法,也就是人工構(gòu)建方法,存在周期長(zhǎng)、一致性差、耗費(fèi)資

2、源等缺點(diǎn),并且基于該語(yǔ)音庫(kù)的合成系統(tǒng)合成的語(yǔ)音表現(xiàn)力差。
　　 在這種背景下,一種能夠在短時(shí)間內(nèi)且極少人工干預(yù)下通過(guò)自動(dòng)訓(xùn)練的方式構(gòu)建語(yǔ)音合成系統(tǒng)語(yǔ)音庫(kù),能夠滿足多樣化語(yǔ)音合成需求的技術(shù),有著很高的理論研究及使用價(jià)值。對(duì)此,本論文在基于HMM的可訓(xùn)練語(yǔ)音合成系統(tǒng)的語(yǔ)音庫(kù)自動(dòng)構(gòu)建方面,包括技術(shù)框架構(gòu)建、關(guān)鍵技術(shù)以及相關(guān)技術(shù)應(yīng)用,進(jìn)行了深入而系統(tǒng)的研究,本論文具體的研究工作和研究成果如下:
　　 首先提出了一個(gè)基于音頻分類算

3、法的語(yǔ)音探測(cè)技術(shù)去除帶有音樂(lè)的音頻文件,保留純?cè)捳Z(yǔ)音頻。該音頻分類算法融合了高斯混合模型(GMM)和時(shí)長(zhǎng)可變隱馬爾科夫模型(VDHMM)。該算法,首先通過(guò)高斯混合模型分類音頻的每一幀,然后通過(guò)時(shí)長(zhǎng)可變隱馬爾科夫模型的Viterbi算法根據(jù)似然值最大化準(zhǔn)則將已分類幀組合成段,完成音頻分類。
　　 其次,提出了一個(gè)句子自動(dòng)切分算法。在該算法中,首先通過(guò)基于隱馬爾科夫模型的無(wú)監(jiān)督的方法訓(xùn)練音素隱馬爾科夫模型,并通過(guò)強(qiáng)制對(duì)齊(force

4、d-alignment)技術(shù)將篇幅的音素序列和篇幅文本對(duì)齊;然后根據(jù)句子結(jié)束符號(hào)(如句號(hào)、問(wèn)號(hào)、感嘆號(hào)等)來(lái)切分句子;最后通過(guò)一個(gè)檢查機(jī)制,來(lái)判斷該句子結(jié)束符號(hào)是否正確,進(jìn)而獲得被正確切分的句子。
　　 第三,提出了一個(gè)改進(jìn)的句子切分算法。該方法能得到更高的句子切分準(zhǔn)確率,獲得更多的正確切分句子。該改進(jìn)算法基于一個(gè)迭代過(guò)程,過(guò)程如下:1)根據(jù)正確的句子結(jié)束符號(hào)切分篇幅語(yǔ)音獲得段落語(yǔ)音和句子語(yǔ)音,利用該結(jié)果訓(xùn)練更為精確的音素隱馬爾

5、科夫模型;2)然后通過(guò)強(qiáng)制對(duì)齊技術(shù)將該段落語(yǔ)音和句子語(yǔ)音的音素序列和文本對(duì)齊;3)根據(jù)正確的句子結(jié)束符切分該段落語(yǔ)音和句子語(yǔ)音。循環(huán)1-3,直到?jīng)]有更多的段落和句子數(shù)目被切分出來(lái)。
　　 此外,提出了在限定文本條件下的語(yǔ)料庫(kù)自動(dòng)構(gòu)建方法。在該方法中,首先是使用改進(jìn)的Okapi公式來(lái)計(jì)算句子分?jǐn)?shù);然后反復(fù)地選擇分值較高的句子替換語(yǔ)料庫(kù)句子中分值較低的語(yǔ)料庫(kù)句子直到語(yǔ)料庫(kù)句子分?jǐn)?shù)小于某一閾值;最后基于語(yǔ)料庫(kù)句子,構(gòu)建可訓(xùn)練語(yǔ)音合成系