TTS在车载乘客信息系统中的应用

随着从文本到语音(Text To Speech,TTS)技术的发展,其语音效果已经可以达到真人播报效果。基于此,提出将TTS技术应用到车载乘客信息系统中,改变传统预录语音文件报站的方式,极大地提高语音播报的灵活性和可维护性。

利用TTS技术实现文本文件的语音合成

本文基于语音合成的代表性技术TTS ,利用MicrosoftSpeechSDK语音开发包、TTS引擎和MFC微软基础类库 ,开发了一个在VC集成环境下的文语转换应用程序 ,实现了从文本文件到语音的自动转换功能。

汉语文本-可视语音转换的研究

本文通过对发音者可见器官动作的研究 ,从视觉方面抽取汉语发音的 2 6个基本口形 ,并利用 MPEG- 4所规定的面部动画参数 (FAP)来描述这些口形 ,从而获得了符合国际标准的描述汉语发音的视觉参数 .另外 ,我们研究了这些参数在连续语流中的变化及协同发音对口形的影响 ,基于已有的汉语文语转换系统 (Sonic)和二维网格人脸模型(Plane Face)实现了一个汉语文本 -可视语音转换系统 (TTVS)

非平行文本下基于变分自编码器和辅助分类器生成对抗网络的语音转换

提出了1种基于变分自编码器和辅助分类器生成对抗网络的语音转换方法,实现了非平行文本条件下多对多的高质量语音转换.在该方法中,利用辅助分类器生成对抗网络替代基于变分自编码器和生成对抗网络模型中的Wasserstein生成对抗网络.由于辅助分类器生成对抗网络将特征样本的类别标签作为辅助信息,其鉴别器不仅能预测样本真假,还能预测生成样本所属的类别,从而提高了生成对抗网络的生成效果.充分的客观和主观评价表明:本文提出的方法明显优于基准模型,在显著改善语音质量的同时也有效提升了说话人个性的相似度.

在VB中使用TTS技术实现语音的编辑和播放

详细阐述了TTS的功能和系统组成，并利用TTS在VB中实现语音的编辑和播放。

浅谈利用最新TTS技术进行语音图书馆建设

介绍了利用最新语音合成TTS技术,通过文本数据挖掘、人工语音文件生成和音频数据压缩三部分的功能模块,把图书馆馆藏资源制作成有声资源的技术要领。

TTS技术在电话语音系统中的应用

目前大多数采用音-音组合转换方式开发的电话语音系统已不能灵活地处理复杂的信息播放。文章阐述了利用文本-语音转换技术对文本信息进行电话播放的开发方法,对语音库的建立、文本发音等关键性问题作了重点论述。

语音-文本转换技术在手机软件开发中的应用

语音-文本转换旨在将说话人语音中的词汇内容转换为计算机可读的文本输入,使计算机具有能够"听懂"人类语音的能力。基于Android智能手机平台,利用国内先进的语音-文本转换技术设计并实现了两款手机软件——商品订单查询和手机语音笔记。商品订单查询的语音功能提供了更为便捷的个性化操作。手机语音笔记的主要功能包括单人录音和多人协作录音,尤其是多人协作录音实现了多人语音交流的记录和分享。这两款手机软件具有一定的实际应用价值。

田湾核电站TTS电话语音群发系统研究与设计

介绍了基于SS7号信令的多通道电话语音群发系统的设计与实现,在文本语音合成(TTS)、WAV与A率PCM音频格式转换、语音群发、文件监控、客户端与服务端通信机制等方面进行研究,提出了一种基于东进D647 PCI语音板卡的程序设计架构,它通过软件系统实现自定义文本转换成语音,借助语音板卡利用交换机通道实现电话群发功能。

Avaya语音至文本转换方案增强统一通信功能

Avaya近日宣布推出新的语音至文本转换解决方案，通过该方案，工作人员现在可以在移动设备或电脑上阅读语音留言。该方案由Avaya、Mutare Software和SpinVox共同开发，通过将留言转换成文本格式，作为邮件（可选择带上语音附件）提供，企业中的用户可以在任何时间、用任何能够收发邮件的设备或智能电话快速查看和回复留言。

基于数据驱动方法的汉语文本-可视语音合成(英文)

计算机文本-可视语音合成系统(TTVS)可以增强语音的可懂度,并使人机交互界面变得更为友好.给出一个基于数据驱动方法(基于样本方法)的汉语文本-可视语音合成系统,通过将小段视频拼接生成新的可视语音.给出一种构造汉语声韵母视觉混淆树的有效方法,并提出了一个基于视觉混淆树和硬度因子的协同发音模型,模型可用于分析阶段的语料库选取和合成阶段的基元选取.对于拼接边界处两帧图像的明显差别,采用图像变形技术进行平滑并.结合已有的文本-语音合成系统(TTS),实现了一个中文文本-视觉语音合成系统.

面向方言语音合成的文本分析研究

为实现方言的统计参数语音合成,提出一种从文字到方言读音的文本分析方法。通过对比普通话和方言在声韵母方面的发音异同,设计方言的语音评估方法音标字母(SAMPA),用来标注方言声韵母的读音,得到从普通话读音到方言读音的转换规则。对输入的汉语文本进行分析,获得语法词、声母、韵母信息,使用基于转换的错误驱动学习算法获得语句的韵律词和韵律短语边界,利用普通话读音到方言读音的转换规则,获得方言发音的SAMPA音标,从而将输入的文本转换为统计参数语音合成所需的上下文相关标注。测试结果表明,该方法能较为准确地生成上下文相关标注。

TTS在智能公交报站系统中的应用

在传统公交车报站系统中,采用"录音-存储-回放"的方法要求存储器的容量较大。为解决这一问题,结合GPS技术和TTS技术,设计了一种新型公交报站系统。该系统以TTS方式输出语音,使存储器存储的不是语音信号波形参数信息,而是播报语音汉字文本信息。试验结果表明,采用这种方式,存储空间只用到传统方式的17.1%,节省了存储空间。

中文语音合成系统中的文本标准化方法

文本标准化是对输入文本进行分析 ,生成其中非汉字符号的拼音、节奏等信息的过程。本文提出了一种层次化的、基于外部规则的标准化方法 ,通过规则匹配识别这些符号 ,并给出各种正确信息。本文首先介绍了分析树的概念 ,其次给出构造规则的步骤 ,利用权值控制规则的匹配顺序 ,最后给出实验结果。实验结果表明 :这种方法具有很好的易维护性和可扩展性 ,开放测试的正确率达到 99 76 %。

TTS系统中基于双音素的基元选择方法

为寻求能较好解决音节内和音节间的协同发音单元方案 ,提出了采用类似英文文语转换系统中使用的双音素作为合成单元方案 ,并根据普通话语音中只包含 410个全音节特点 ,进一步完善了双音素在汉语中的应用。试验结果表明 ,该方案包含了连续语流中的所有过渡音征 ,使合成语音转接流畅、自然。

基于i向量和变分自编码相对生成对抗网络的语音转换

提出一种基于i向量和变分自编码相对生成对抗网络的语音转换方法,实现了非平行文本条件下高质量的多对多语音转换.性能良好的语音转换系统,既要保持重构语音的自然度,又要兼顾转换语音的说话人个性特征是否准确.首先为了改善合成语音自然度,利用生成性能更好的相对生成对抗网络代替基于变分自编码生成对抗网络模型中的Wasserstein生成对抗网络,通过构造相对鉴别器的方式,使得鉴别器的输出依赖于真实样本和生成样本间的相对值,克服了Wasserstein生成对抗网络性能不稳定和收敛速度较慢等问题.进一步为了提升转换语音的说话人个性相似度,在解码阶段,引入含有丰富个性信息的i向量,以充分学习说话人的个性化特征.客观和主观实验表明,转换后的语音平均梅尔倒谱失真距离值较基准模型降低4.80%,平均意见得分值提升5.12%,ABX值提升8.60%,验证了该方法在语音自然度和个性相似度两个方面均有显著的提高,实现了高质量的语音转换.

动态文本-语音编程系统的研究与应用

为实现动态文本的动态发声,应用微软二次开发包Speech SDK 5.1提供的Speech API函数,结合VC动态链接库高级编程技术,在医院大厅的语音文字通告系统中,以划价收费模块为核心,实现了将文字实时动态转化为语音的信息管理系统的开发,该动态语音文字编程系统还可以用于车站、证券交易等场合的信息播报。

一种用于语音转换的区域最近邻迭代训练算法

针对非对称语音库情况下的语音转换,该文提出一种新的改进的语音转换训练算法ILNCA。与原有的训练算法INCA不一样的是,ILNCA首先利用高斯混合模型(GMM)分别对源、目标语音特征参数空间进行分类。然后根据Kullback–Leibler(KL)距离最小原则对源、目标GMM模型的子空间进行匹配,最后利用最近邻准则在相对应的子空间中进行源、目标语音特征参数矢量的对齐。客观测试和主观听觉实验都表明由于该文算法采用了更加精确的矢量对齐方法,能取得比INCA算法更优异的转换性能。

藏语语音合成中文本分析的若干问题研究

文本分析是文语转换系统的前端,是制约语音合成自然度的一个重要因素,文章在考察汉语文本分析方案的基础上,分析了藏语的特点,提出了一套适合于藏语语音合成的文本分析模块的实现方案.文中采用最大匹配法和分词词库相结合的方法实现文本的自动分词,建立一套层次化的规则体系对文本进行规范化的处理,字音转换则通过SAMPA-ST的藏语机读音标系统来实现,本研究的完成为藏语的语音合成打下了良好的基础.

融合句嵌入的VAACGAN多对多语音转换

针对非平行文本条件下语音转换质量不理想、说话人个性相似度不高的问题,提出一种融合句嵌入的变分自编码辅助分类器生成对抗网络(VAACGAN)语音转换方法,在非平行文本条件下,有效实现了高质量的多对多语音转换。辅助分类器生成对抗网络的鉴别器中包含辅助解码器网络,能够在预测频谱特征真假的同时输出训练数据所属的说话人类别,使得生成对抗网络的训练更为稳定且加快其收敛速度。通过训练文本编码器获得句嵌入,将其作为一种语义内容约束融合到模型中,利用句嵌入包含的语义信息增强隐变量表征语音内容的能力,解决隐变量存在的过度正则化效应的问题,有效改善语音合成质量。实验结果表明:所提方法的转换语音平均MCD值较基准模型降低6.67%,平均MOS值提升8.33%,平均ABX值提升11.56%,证明该方法在语音音质和说话人个性相似度方面均有显著提升,实现了高质量的语音转换。