多語種語音合成中的關鍵技術研究.pdf

1、多語種的語音合成研究是近期國內外語音合成研究的一個熱點.在語音合成所涉及的一系列關鍵技術中，如何盡量避免使用語種相關的研究方法，是多語種語音合成研究中的一個重點和難點.該文以完成一個具有實用化水平的中英文合成系統(tǒng)為目標，對多語種語音合成所涉及的一系列關鍵技術進行了深入研究.韻律預測是語音合成中最重要的部分，它主要是指通過從文本分析中得到的信息，來預測這段文本的基頻、時長、能量等超音段特征參數(shù).超音段特征（尤其是基頻參數(shù)）對合成語音的自然

2、度影響非常大.該文提出了一種基于訣策樹和貝葉斯分類器的組合預測模型.首先將所有的基頻樣本分成不同類別、并通過每個基頻樣本的韻律環(huán)境參數(shù)建立基頻決策樹模型.然后以韻律環(huán)境參數(shù)作為決策樹模型的輸入，判訣每個音節(jié)所對應的一組可能的基頻類別和相應的概率;另外，根據(jù)對自然語音中相鄰音節(jié)基頻連接特性的分析，抽取出一種可以描述相鄰音節(jié)的基頻連接狀態(tài)的概率.最后通過一個組合模型，將決策樹產生的基頻類別及其相應的概率與描述基頻連接狀態(tài)的概率聯(lián)系起來，共同