大规模语音语料库的采集、处理和研究

信息技术和大数据的发展为语言学研究和语言资源保护提供了一个新的思路:语言材料的采集、处理和研究彼此分离,由不同的人在不同的时间实施并共享。本文以大规模语料库语音学为例,阐述语音的采集、处理和研究中的问题和方法,希望对语言资源保护工作能有所启发。本文还介绍了使用大规模语料库进行语音研究的最重要的工具——强制对齐,并以汉语普通话中的停顿和停填顿充词为例,阐述如何运用大规模语音语料库和强制对齐进行语音学研究。

基于决策树CART的中文文语转换系统语音合成单元的预选

近年来基于大语料库进行单元预选的语音合成技术逐渐受到人们的重视。由于其合成的语音单元取自自然的原始发音 ,合成语句的自然度和清晰度非常高。采用该技术的关键之一就是如何从语料库中选取合适的合成单元。本文采用了一种基于决策树 CART (classification and regressiontree)的中文文语转换系统 (TTS)语音合成单元预选方法。实验表明 ,使用 CART时各个参与预选的文本属性在预选中所起的作用有所不同。最后以此来指导目标单元和候选单元之间规则距离的确定。