三維幾何發(fā)音模型的構(gòu)建與控制.pdf

1、基于發(fā)音機(jī)理的語音合成模型模擬語音生成的發(fā)音運(yùn)動(dòng)和空氣動(dòng)力學(xué)過程。我們嘗試構(gòu)建一個(gè)更加精確的發(fā)音運(yùn)動(dòng)模型來逼近發(fā)音器官的形態(tài)學(xué)特性，從而得到一個(gè)更好的發(fā)音合成系統(tǒng)。目前有兩個(gè)主流的建模策略:生理模型和幾何模型。本文基于中文數(shù)據(jù)庫構(gòu)建三維幾何發(fā)音模型，與神經(jīng)生理模型相比較，這一幾何模型忽略復(fù)雜肌肉力的影響。因此，幾何發(fā)音模型的實(shí)時(shí)性隨著運(yùn)算量的減少而得到提高，這使得幾何發(fā)音模型適用于實(shí)時(shí)性要求比較高的應(yīng)用。
　　本文提出了一種基于M

2、RI（磁共振成像）和CBCT（錐形束CT）構(gòu)建三維幾何發(fā)音模型的新方法，由于磁共振成像技術(shù)能夠比較清晰地成像出聲道發(fā)音器官輪廓的形狀，并且磁共振成像技術(shù)對(duì)人體造成的傷害較小，因此越來越多的應(yīng)用于語音合成研究。由于骨質(zhì)結(jié)構(gòu)不能在MRI中直接清晰地采集成像，我們采集了CBCT的數(shù)據(jù)來補(bǔ)充骨質(zhì)結(jié)構(gòu)的信息，進(jìn)行上下顎的填補(bǔ)。通過磁共振成像技術(shù)采集得到的發(fā)音器官的數(shù)據(jù)庫，對(duì)于構(gòu)建出聲道模型進(jìn)而分析不同發(fā)音帶來的聲道發(fā)音器官形狀的變化規(guī)律具有很大的

3、優(yōu)勢(shì)。并且以其建立精確的三維聲道模型，進(jìn)一步對(duì)發(fā)音過程的聲道可視化，對(duì)于語音教學(xué)應(yīng)用和語音生成機(jī)理分析等都具有重要的意義。
　　本文對(duì)中文磁共振數(shù)據(jù)庫中一個(gè)受試者的104組發(fā)音數(shù)據(jù)進(jìn)行研究，研究方法具體步驟如下:數(shù)據(jù)庫及其預(yù)處理，數(shù)據(jù)標(biāo)注以及三維網(wǎng)格建模，數(shù)據(jù)分析以及驗(yàn)證評(píng)價(jià)，碰撞檢測(cè)以及響應(yīng)。線性成分分析方法結(jié)果顯示，每個(gè)發(fā)音器官可以用三個(gè)以內(nèi)參數(shù)來很好地進(jìn)行描述，并且參數(shù)控制集的累積貢獻(xiàn)率高于80％。用此分析結(jié)果對(duì)各個(gè)發(fā)音器官

4、進(jìn)行重構(gòu)而得到的均方根誤差均小于1.0mm。
　　本文創(chuàng)新點(diǎn)在于提出了一種新穎的三維聲道發(fā)音器官建模方法，其中我們考慮了發(fā)音器官的生理邊界點(diǎn)，建模過程有兩個(gè)主要的改進(jìn)，融合不同切片的數(shù)據(jù)來提升發(fā)音器官輪廓的標(biāo)注精確性以及根據(jù)發(fā)音器官的解刨結(jié)構(gòu)來建立發(fā)音器官的三維網(wǎng)格。這樣既保證了發(fā)音器官的完整性，又保留了發(fā)音器官上生理特征點(diǎn)的對(duì)應(yīng)性。
　　最后，本文構(gòu)建了基于漢語發(fā)音數(shù)據(jù)的三維幾何發(fā)音模型，這對(duì)于漢語的語音語言教學(xué)，漢語普通