基于二元語(yǔ)義標(biāo)注的波形拼接語(yǔ)音合成.pdf

1、語(yǔ)音合成(TTS，TextToSpeech)技術(shù)是將計(jì)算機(jī)自己產(chǎn)生的或外部輸入的文字信息，比如文本文件內(nèi)容、WORD文件內(nèi)容等文字信息，按語(yǔ)音處理規(guī)則轉(zhuǎn)換成語(yǔ)音信號(hào)輸出，即使計(jì)算機(jī)流利地讀出文字信息，使人們通過(guò)“聽(tīng)”就可以明白信息的內(nèi)容。隨著計(jì)算機(jī)技術(shù)和通訊技術(shù)的巨大發(fā)展，TTS技術(shù)已經(jīng)應(yīng)用到語(yǔ)音對(duì)話系統(tǒng)、語(yǔ)音呼叫中心、語(yǔ)音觸發(fā)的網(wǎng)站和電子郵件服務(wù)等很多領(lǐng)域并且已經(jīng)發(fā)揮出其巨大的威力，但是，當(dāng)前現(xiàn)有的TTS系統(tǒng)在自然度和可懂度方面都離人

2、們的要求相差甚遠(yuǎn)，真正能夠代替人來(lái)閱讀的TTS系統(tǒng)還沒(méi)有出現(xiàn)，從而也制約著TTS系統(tǒng)在更大的范圍內(nèi)的使用。 在語(yǔ)音合成方面，首先遇到的困難是從文本信息到韻律的標(biāo)識(shí)上，自然語(yǔ)言中，語(yǔ)音特征變化萬(wàn)千，其數(shù)據(jù)本身隱含了知識(shí)。而對(duì)這些知識(shí)，人類可以感知，但對(duì)其的認(rèn)識(shí)、描述是遠(yuǎn)遠(yuǎn)不夠的。在從文字到韻律符號(hào)描述的自動(dòng)轉(zhuǎn)換方面，對(duì)自然語(yǔ)音理解能力的不足一直是研究工作的瓶頸所在。目前文字到韻律描述的轉(zhuǎn)換通常只能根據(jù)一些基本的語(yǔ)法信息(如詞性)來(lái)

3、劃分語(yǔ)調(diào)短語(yǔ)或設(shè)置語(yǔ)句的普通重音，還沒(méi)有根據(jù)句子的語(yǔ)義來(lái)做深層次處理(如設(shè)置不同的表達(dá)或感情色彩)的能力。其次，從聲學(xué)的層面上，人們對(duì)韻律特征對(duì)應(yīng)的聲學(xué)參數(shù)還沒(méi)有完全認(rèn)識(shí)，缺乏完備的描述，只能憑經(jīng)驗(yàn)。這也進(jìn)一步阻礙了將文本標(biāo)注的韻律信息表現(xiàn)出來(lái)，生成自然的帶有韻律感和重音感的合成語(yǔ)音。 本文借助我們實(shí)驗(yàn)室以往對(duì)自然語(yǔ)言理解處理的成果——二元語(yǔ)義關(guān)系分析。建立了一套符合XML擴(kuò)展標(biāo)記語(yǔ)言標(biāo)準(zhǔn)的文本語(yǔ)音合成描述符號(hào)體系，同時(shí)建立了從

4、語(yǔ)義描述標(biāo)注到語(yǔ)音合成韻律標(biāo)注的轉(zhuǎn)換規(guī)則，將對(duì)語(yǔ)義的描述自動(dòng)轉(zhuǎn)換到語(yǔ)音韻律信息的描述。而且，還考慮到了文本中的多音字、數(shù)字、符號(hào)、字母的發(fā)音問(wèn)題，建立了一系列針對(duì)這些情況的發(fā)音描述方式。 在韻律語(yǔ)音的合成上，本文搜集了1248個(gè)漢語(yǔ)中的單字和8000多個(gè)使用頻率較高的雙字詞、三字詞、四字詞以及常用人名、地名等語(yǔ)料信息，對(duì)其進(jìn)行整理編號(hào)后，在轉(zhuǎn)門為本系統(tǒng)開(kāi)發(fā)的語(yǔ)音庫(kù)維護(hù)程序上對(duì)這些語(yǔ)料進(jìn)行了人工錄音，對(duì)這些語(yǔ)音資料切分和基音周期分

5、析后，存入語(yǔ)音數(shù)據(jù)庫(kù)和檢索索引數(shù)據(jù)庫(kù)，構(gòu)建了本系統(tǒng)所需要的基礎(chǔ)語(yǔ)音數(shù)據(jù)。 語(yǔ)音合成模塊包含語(yǔ)速修改單元、語(yǔ)氣修改單元、重音修改單元以及靜音生成單元等，并且把它們做成模塊的形式，提供接口供語(yǔ)音合成模塊調(diào)用以改變語(yǔ)音基元的韻律信息。本語(yǔ)音合成系統(tǒng)，首先從韻律文本的標(biāo)注上，是建立在對(duì)自然語(yǔ)言有了深刻的語(yǔ)義理解之上，在二元語(yǔ)義標(biāo)注文本的基礎(chǔ)上通過(guò)一定的語(yǔ)義和韻律對(duì)應(yīng)規(guī)則，建立了韻律標(biāo)注文本，這種韻律標(biāo)注方法更接近人的真正發(fā)音意圖，對(duì)下一

6、步的韻律語(yǔ)音生成，打下了基礎(chǔ)。語(yǔ)音生成時(shí)，采用基于大規(guī)模語(yǔ)音庫(kù)的PSOLA波形頻接算法，實(shí)現(xiàn)較為方便的聲學(xué)韻律控制，使合成出的語(yǔ)音清晰且?guī)в许嵚筛?，在可懂度和自然度上都有所提高?本文下一步的主要研究主要包括：對(duì)語(yǔ)義標(biāo)注到韻律文本的標(biāo)注進(jìn)一步研究，將更多的語(yǔ)義信息反映到韻律上來(lái)；建立更大規(guī)模的語(yǔ)音數(shù)據(jù)庫(kù)，語(yǔ)料可以進(jìn)一步擴(kuò)展到句子或者段落；建立更多的韻律控制單元，做到不但能修改句子內(nèi)部的韻律信息，還能構(gòu)修改句子之間甚至段落之間的韻