統(tǒng)計(jì)參數(shù)情感語(yǔ)音合成的研究.pdf

1、隨著語(yǔ)音合成技術(shù)的研究與發(fā)展，合成語(yǔ)音音質(zhì)得到較大提升，但當(dāng)前語(yǔ)音合成技術(shù)的研究仍以中性化語(yǔ)音為主，對(duì)情感語(yǔ)音合成的研究較少。人類生活對(duì)智能語(yǔ)音的需求不僅要涵蓋基本的文字內(nèi)容，還要承載豐富的情感信息，情感語(yǔ)音合成的研究將是智能語(yǔ)音研究領(lǐng)域的必然趨勢(shì)。本文建立了一個(gè)多說話人的多種情感的情感語(yǔ)音語(yǔ)料庫(kù)，針對(duì)漢語(yǔ)統(tǒng)計(jì)參數(shù)語(yǔ)音合成中的上下文相關(guān)標(biāo)注生成，設(shè)計(jì)了一套包含6層上下文信息的標(biāo)注格式，在此基礎(chǔ)上，采用多說話人的情感語(yǔ)音數(shù)據(jù)和統(tǒng)計(jì)參數(shù)語(yǔ)音

2、合成方法，利用說話人自適應(yīng)訓(xùn)練算法訓(xùn)練了情感語(yǔ)音的聲學(xué)模型，實(shí)現(xiàn)了情感語(yǔ)音的合成。論文的主要工作和創(chuàng)新如下：
　　1.建立了一個(gè)多說話人的多種情感的語(yǔ)料庫(kù)。在專業(yè)錄音棚中，采用誘發(fā)方式激發(fā)錄音人的情感，并進(jìn)行錄音。錄制了7個(gè)男性說話人和7個(gè)女性說話人的11種典型情感的情感語(yǔ)音數(shù)據(jù)，并以 Microsoft WAV格式（單通道、16bit、16kHz采樣頻率）進(jìn)行保存。
　　2.實(shí)現(xiàn)了一種面向普通話統(tǒng)計(jì)參數(shù)語(yǔ)音合成的標(biāo)注生成算

3、法。針對(duì)漢語(yǔ)統(tǒng)計(jì)參數(shù)語(yǔ)音合成中上下文相關(guān)標(biāo)注的生成，設(shè)計(jì)了一套包含6層上下文相關(guān)信息的標(biāo)注格式。以聲韻母做為語(yǔ)音合成的合成基元，利用基于隱 Markov模型(HMM)的統(tǒng)計(jì)參數(shù)語(yǔ)音合成方法，通過對(duì)合成語(yǔ)音音質(zhì)的主、客觀評(píng)測(cè)，驗(yàn)證了不同上下文信息對(duì)合成語(yǔ)音音質(zhì)的影響。實(shí)驗(yàn)結(jié)果表明，本文設(shè)計(jì)的上下文相關(guān)的6層標(biāo)注格式能夠滿足情感語(yǔ)音合成的需求。
　　3.提出了一種利用多個(gè)說話人的多種情感訓(xùn)練語(yǔ)料，利用統(tǒng)計(jì)參數(shù)語(yǔ)音合成方法實(shí)現(xiàn)情感語(yǔ)音合