利用SAPI5完成中文语音音素的分解

本文讲述了在基于网络的人-人交互系统中,如何利用SAPI5来进行中文语音音素的分解,介绍了SAPI5语音识别(SR)引擎所提供的服务,在一个已经实现的MPEG-4兼容的人脸动画系统基础上,阐述了其在网络人-人交互系统应用中的设计思路和具体相关实现技术。

一个MPEG-4兼容的语音动画系统

在已经实现的一个MPEG-4兼容的人脸动画系统的基础上,设计并实现了一个MPEG-4兼容的语音动画系统。MEPG-4是国际上第一个人脸动画标准,本文首先介绍了该标准的定义和我们实现的与MPEG-4标准兼容的人脸语音动画的系统结构,并在此基础上,详细介绍了该系统实现过程中的关键技术,包括人脸动画、中文可视音素的定义、可视音素过渡、表情过渡、可视音素与表情混合、语音与动画同步等。我们的语音动画系统具有计算方法简单,系统通信开销小的特点,在普通微机上就能够产生带有表情的高质量的语音动画。

汉语复韵母的三维动态视位模型

根据汉语拼音的构成及发音时的唇动特点,对汉语复韵母进行了分类,提出了一套适合各类汉语复韵母发音特点的动态视位模型,再利用Directx9.0进行图形的变换及渲染,使三维人脸口形的变换过程更加丰富自然,较传统的二维人脸动画更加灵活、生动,可广泛应用于三维游戏中角色语音动画的制作、虚拟主持人配音等方面。

基于汉语文本驱动的人脸语音同步动画系统

为解决动画流与语音流的同步问题,设计并实现一种人脸语音同步动画系统。将所有中文音素分为16组中文可视音素,并用输入的人脸图像合成对应的关键帧,分析输入文本得到中文可视音素序列和动画的关键帧序列,将该关键帧序列与语音流对齐,在关键帧之间插入过渡帧的同时,播放语音流和动画流,以实现人脸语音同步动画。实验结果表明,该系统能产生符合人们视觉和听觉感受的人脸语音同步动画。