融合主觀評(píng)價(jià)與反饋的語音合成方法研究.pdf

1、隨著計(jì)算機(jī)與智能信息處理技術(shù)的迅速發(fā)展，語音在人機(jī)交互中發(fā)揮著越來越重要的作用，其中語音合成是實(shí)現(xiàn)人機(jī)語音交互的關(guān)鍵技術(shù)之一?，F(xiàn)階段，統(tǒng)計(jì)參數(shù)語音合成以及單元挑選與波形拼接語音合成是兩種最為主流的語音合成方法。前者利用統(tǒng)計(jì)聲學(xué)模型預(yù)測(cè)聲學(xué)特征，并使用參數(shù)合成器重構(gòu)語音，具有合成語音平滑流暢、系統(tǒng)尺寸小、實(shí)現(xiàn)多發(fā)音人與多風(fēng)格合成的靈活度高等優(yōu)點(diǎn);后者從一個(gè)預(yù)先錄制好的語料庫(kù)中挑選合適的單元序列，將其波形拼接得到最終的合成語句，由于使用了自

2、然語音波形，可以獲得更高的合成語音音質(zhì)與自然度。本文的研究工作主要圍繞后者開展。
　　在單元挑選與波形拼接語音合成方法中，基于代價(jià)函數(shù)的單元挑選是其技術(shù)核心?，F(xiàn)有的單元挑選算法通常使用備選單元與目標(biāo)單元間的上下文屬性差異、聲學(xué)參數(shù)距離、聲學(xué)模型輸出概率等度量來設(shè)計(jì)代價(jià)函數(shù)與單元挑選準(zhǔn)則。另一方面，現(xiàn)階段對(duì)于語音合成系統(tǒng)的最終性能評(píng)估仍然依賴于平均意見分(MeanOpinion Score，MOS)、傾向性測(cè)聽等主觀評(píng)價(jià)方法。而在語

3、音合成系統(tǒng)的主觀評(píng)價(jià)結(jié)果與用于系統(tǒng)中單元挑選的客觀準(zhǔn)則間往往存在不一致性，這一點(diǎn)嚴(yán)重制約了單元挑選與波形拼接方法合成語音自然度的進(jìn)一步提升。
　　本文以基于隱馬爾科夫模型(Hidden Markov Model，HMM)的單元挑選與波形拼接語音合成方法為研究對(duì)象，通過收集測(cè)聽者對(duì)于合成語音的主觀評(píng)價(jià)與反饋數(shù)據(jù)（即感知數(shù)據(jù)）來優(yōu)化單元挑選準(zhǔn)則，以改善其與主觀評(píng)價(jià)的一致性，提高合成語音的自然度。本文研究的融合主觀評(píng)價(jià)與反饋的語音合成方

4、法主要包括基于感知數(shù)據(jù)的音庫(kù)擴(kuò)充方法、合成語音錯(cuò)誤檢測(cè)方法、使用基于感知數(shù)據(jù)的對(duì)數(shù)似然比度量的單元挑選方法。
　　本文的主要安排如下:
　　第一章為緒論，簡(jiǎn)要介紹現(xiàn)階段主流的語音合成方法，重點(diǎn)介紹基于HMM的單元挑選與波形拼接語音合成的主要原理及核心技術(shù)，闡述本文研究出發(fā)點(diǎn)。
　　第二章著重回顧現(xiàn)有的融合主觀評(píng)價(jià)與反饋的單元挑選與波形拼接語音合成方法，討論其各自的優(yōu)缺點(diǎn)。
　　第三章重點(diǎn)介紹基于感知數(shù)據(jù)的音庫(kù)擴(kuò)充

5、與合成語音檢錯(cuò)方法。首先，使用人工判定為自然的合成語音片段擴(kuò)充已有的合成音庫(kù)，對(duì)比分析了不更新模型與模型更新兩種音庫(kù)擴(kuò)充后的合成系統(tǒng)構(gòu)建方案;其次，基于發(fā)音空間模型與SVM分類器構(gòu)建針對(duì)韻律詞的合成錯(cuò)誤檢錯(cuò)器，并基于此檢錯(cuò)器對(duì)基線合成系統(tǒng)的多輸出進(jìn)行重打分。在一個(gè)面向?qū)Ш綉?yīng)用的中文路名合成任務(wù)上，實(shí)驗(yàn)驗(yàn)證了上述方法對(duì)于提高合成語音自然度的有效性。
　　第四章重點(diǎn)介紹使用基于感知數(shù)據(jù)的對(duì)數(shù)似然比(Log Likelihood Rat