面向汉语统计参数语音合成的标注生成方法

针对汉语统计参数语音合成中的上下文相关标注生成,设计了声韵母层、音节层、词层、韵律词层、韵律短语层和语句层6层上下文相关的标注格式。对输入的中文语句进行文本规范并利用语法分析获得语句的结构和分词信息;通过字音转换获得每个汉字的声韵母及声调;利用TBL(Transformation-Based error driven Learning)算法预测输入文本的韵律词边界和韵律短语边界。在此基础上,获得输入文本中每个汉字的声韵母信息及其上下文结构信息,从而产生统计参数语音合成所需的上下文相关标注。设计了一个以声韵母为合成基元的普通话的基于隐Markov模型(HMM)的统计参数语音合成系统,通过主、客观实验评测了不同标注信息对合成语音音质的影响,结果表明,上下文相关的标注信息越丰富,合成语音的音质越好。

一种HMM的藏语安多方言文本分析方法

隐马尔可夫模型(Hidden Markov Model,HMM)在汉语语音合成中主要用于文本分析,因为文本分析对合成语音的自然度和清晰度有很大影响。语音的训练和合成都要经文本分析阶段,然而目前还没有藏语安多方言的文本分析研究。将HMM方法应用于藏语安多方言的文本分析,获取文本的单因素和上下文标注信息,实现机器的自动标注,具有创新性。实验测评结果表明,基于HMM的藏语安多方言语音合成效果优良。

基于HMM的藏语安多方言文本分析研究

隐马尔可夫模型(Hidden Markov Model,HMM)在汉语语音合成中主要用于文本分析,因为文本分析对合成语音的自然度和清晰度有很大影响。语音的训练和合成都要经文本分析阶段,然而目前还没有藏语安多方言的文本分析研究。将HMM方法应用于藏语安多方言的文本分析,获取文本的单因素和上下文标注信息,实现机器的自动标注,具有创新性。实验测评结果表明,基于HMM的藏语安多方言语音合成效果优良。