PSOLA與正弦模型相結(jié)合的漢語(yǔ)語(yǔ)音合成研究與實(shí)現(xiàn).pdf

1、隨著信息技術(shù)的飛速發(fā)展和計(jì)算機(jī)技術(shù)的不斷進(jìn)步，人機(jī)交互方式發(fā)生了革命性的變化，人們?cè)诓粩鄬で箪`活、方便、快捷的信息交換方式時(shí)，語(yǔ)音合成技術(shù)應(yīng)運(yùn)而生。語(yǔ)音合成(Speech Synthesis)又稱文語(yǔ)轉(zhuǎn)換(TTS，Text-To-Speech)，是將計(jì)算機(jī)中存儲(chǔ)的文本轉(zhuǎn)換成對(duì)應(yīng)的語(yǔ)音，是計(jì)算機(jī)和人類交互的一種手段。目前，漢語(yǔ)語(yǔ)音合成技術(shù)在合成單音節(jié)上已經(jīng)相對(duì)成熟，但是合成連續(xù)語(yǔ)音流時(shí)總是不夠清晰和自然，因此漢語(yǔ)語(yǔ)音合成需要在提高語(yǔ)音合成

2、的自然度和可懂度方面進(jìn)一步提高。
　　 本文分析各種語(yǔ)音合成算法的優(yōu)缺點(diǎn)后，將TD-PSOLA算法和正弦模型分析算法相結(jié)合用于漢語(yǔ)語(yǔ)音合成，通過(guò)平滑處理后，合成連續(xù)的語(yǔ)音流。用小容量的聲母加韻母過(guò)渡以及四個(gè)聲調(diào)的韻母制作成語(yǔ)音庫(kù)，使得該語(yǔ)音合成系統(tǒng)的語(yǔ)音庫(kù)很小，易于移植到其他應(yīng)用平臺(tái)，以便擴(kuò)大其應(yīng)用范圍。TD-PSOLA算法具有方便靈活的韻律調(diào)整能力，但是當(dāng)基音頻率修改范圍過(guò)大時(shí)，會(huì)出現(xiàn)失真和回聲效應(yīng)；而正弦模型分析算法能夠?qū)φZ(yǔ)

3、音信號(hào)進(jìn)行寬范圍的基頻調(diào)整，保證了相鄰兩幀語(yǔ)音之間幅度和相位的連續(xù)性。結(jié)合這兩種算法的優(yōu)點(diǎn)，使得語(yǔ)音合成具有靈活調(diào)整韻律的能力，為以后研究帶情感的語(yǔ)音合成提供了基礎(chǔ)。針對(duì)目前一直存在的字與字之間的拼接問(wèn)題，研究了相鄰音節(jié)的拼接規(guī)律，實(shí)現(xiàn)了字與字之間拼接的平滑過(guò)渡，在提高合成連續(xù)語(yǔ)流的自然度方面得到很大的提高，使機(jī)器的發(fā)聲更加接近人的發(fā)聲。針對(duì)很多語(yǔ)音合成系統(tǒng)中沒(méi)有實(shí)現(xiàn)多音字處理的功能，本系統(tǒng)增加了多音字詞庫(kù)，實(shí)現(xiàn)了簡(jiǎn)單的多音字處理功能。