基于韵律特征参数的情感语音合成算法研究

为了合成更为自然的情感语音,提出了基于语音信号声学韵律参数及时域基音同步叠加算法的情感语音合成系统。实验通过对情感语音数据库中生气、无聊、高兴和悲伤4种情感的韵律参数分析,建立4种情感模板,采用波形拼接语音合成技术,运用时域基音同步叠加算法合成含有目标感情色彩的语音信号。实验结果表明,运用波形拼接算法,调节自然状态下语音信号的韵律特征参数,可合成较理想的情感语音。合成的目标情感语音具有明显的感情色彩,其主观情感类别判别正确率较高。

火电厂语音报警系统中的动态文语转换方法

针对火电厂实时动态语音报警系统的特点,提出了基于动态文语转换技术的火电厂实时动态语音报警系统的实现框架.阐述了实时、动态文语转换子系统的各组成部分,研究了基于基音同步叠加算法(PSOLA)的实时动态文语转换方法,讨论了采用组件对象模型(COM)技术进行包括语音合成数据库、文本预处理、韵律处理和语音波形的生成在内的程序实现的要点.分析测试的结果表明,采用这种方法合成的语音质量高、实时性好,完全可以应用到包括火电厂实时动态语音报警系统在内的其他实时语音处理场合中.

基于感知敏感成分划分的语音时长规整算法

一般的同步叠加算法在进行语音时长规整时,当压扩程度较大且语音采样率较低时,所得合成信号的语音质量会显著下降。其原因在于忽略了语音本身各部分对感知的贡献,对感知敏感成分过度压扩会损害语音的感知质量。本文提出一种先识别语音中的瞬态成分、稳态成分和安静成分,再对各部分采用不同压扩比进行同步叠加的时长规整算法。对语音信号的感知敏感成分压扩较小,希望能够提高合成语音质量。实验证明本方法对低采样率合成语音质量有显著改善,在低码率语音编码中可以有效提高编码效率。

汉语语音的时域声调转换方法

简要地介绍了用于语音分析合成的时城基音同步叠加算法，在此基础上提出一种汉语语音时域声调转换方法。利用这种方法可以将一种声调的语音转换为另一种声调的语音，除微小的音质降低外，仍可保持较好的语音质量。这种方法直接对语音波形进行处理，具有计算简单、能在一般微型计算机上进行实时的特点。将之用于语音合成系统，可以通过相同声韵母的音节只存储一种声调的语音数据而大大降低音库的容量；用这种方法按照汉语语句的语调变化规律来合成语句，还可以较好地改善汉语语句合成的自然度．

基于PSOLA与DCT的情感语音合成方法

情感语音合成可以增强语音的表现力,为使合成的情感语音更自然,提出一种结合时域基音同步叠加(PSOLA)和离散余弦变换(DCT)的情感语音合成方法。根据情感语音数据库中的高兴、悲伤、中性语音进行韵律参数分析归纳情感规则,调整中性语音各音节的基音频率、能量和时长。使用DCT方法对基音标记过的语音段进行基音频率的调整,并利用PSOLA算法修改基音频率使其逼近目标情感语音的基频。实验结果表明,该方法比单独使用PSOLA算法合成的情感语音更具情感色彩,其主观情感的识别率更高,合成的情感语音质量更好。

汉语连续变调语音合成算法

汉语是声调语言,同一个音节带上不同的声调可以表述不同的语义。发音时两个或两个以上的音节连在一起时,音节所属调类调值所发生变化的现象称为"连读变调",目前的语音合成系统没有考虑连续变调,使得合成语音自然度不够。采用TD-PSOLA对具有连续变调现象的语音进行合成,实验表明合成语音的自然度较高,是适合小语料库语音合成的良好算法。

基于数据驱动的语音库的分析与构建

语音数据库和规则库是转换系统中最基本和重要的部分,在进行转换时,根据韵律建模的结果,从原始语音库中取出相应的语音基元,利用特定的语音合成技术对基元进行韵律调整合成。针对语音数据库和规则库的建立技术,在GPS嵌入式系统的语音库构建过程中,在与传统方法比较的基础上,给出了基于数据驱动的构建方法,并在特定平台RAM10上,对“文-语”转换技术中的瓶颈之一进行了探讨和实践。

基于DSP的中文语音合成系统

提出了基于TMS320VC5402的中文语音合成系统方案。整个系统以TMS320VC5402为核心电路进行设计,采用以音节为单位的中性语调,配合基于基音同步重叠相加的PSOLA算法,并用码激励线性预测编码方法对原始采样音库进行编码压缩。

基于发音机制的贪婪自适应语音时长规整算法

语音时长规整的同步叠加算法未考虑真实声音信号中不同类型语音帧受语速影响变化不同的特性,对所有语音帧都采用相同的规整因子,当规整比例过大时,导致输出语音失真。针对该问题,提出一种贪婪自适应算法。对不同类型语音段使用不同的规整因子,动态改变规整因子,进一步改进整体规整比例缺陷,从而设计贪婪自适应语音时长规整算法。在Matlab环境下对TIMIT语音库进行语音对比的结果表明,与波形相似同步叠加算法、时域基音同步叠加算法相比,该算法能提高合成语音的自然度,减小规整时长误差。

汉语语音合成的研究进展

为解决如何让机器像人那样说话的问题,综述了近年来汉语语音合成技术的进步和发展;描述了汉语语音合成系统的设计方法;对基于汉语语音特点的语音合成过程中的一些关键技术和原理进行了详细的分析和比较;阐述了语音合成在多媒体等方面上的应用以及目前评价语音合成系统性能的一些新方法,并对当前语音合成技术的研究热点和语音合成技术存在的问题进行了分析,为语音合成技术的进一步研究提供了借鉴作用。

自适应同步叠加语音时长规整算法

针对时域同步叠加时长规整算法计算量大,不适合在实时语音处理中应用的情形,提出了一种新的基于同步叠加方法的时长规整算法——自适应同步叠加算法,根据语音信号的准周期性质,即时调整搜索算法中的搜索间隔,以最快的速度找到最准确的叠加位置,从而达到实时处理的目的。该算法的分析测试表明,合成的语音质量高、实时性好,可以有效地应用到实时语音处理场合中。

基于TD-PSOLA算法的汉语普通话韵律合成

结合汉语普通话的韵律特征 ,采用 TD- PSOL A算法实现了汉语普通话的韵律合成 ,并对合成语音和原始语音的韵律参数作了比较分析 .实验结果表明 ,这种方法能够有效地控制语音韵律参数 ,实现较高质量的语音韵律合成 .

Emotional Speech Synthesis Based on Prosodic Feature Modification

The synthesis of emotional speech has wide applications in the field of human-computer interaction, medicine, industry and so on. In this work, an emotional speech synthesis system is proposed based on prosodic features modification and Time Domain Pitch Synchronous OverLap Add (TD-PSOLA) waveform concatenative algorithm. The system produces synthesized speech with four types of emotion: angry, happy, sad and bored. The experiment results show that the proposed emotional speech synthesis system achieves a good performance. The produced utterances present clear emotional expression. The subjective test reaches high classification accuracy for different types of synthesized emotional speech utterances.

基于基音同步叠加的汉语文语转换

提出了一种将基音同步叠加技术用于汉语文语转换系统的方法。主要介绍了系统的基本组成、语音基元选择、语音库的结构和检索、文本的预处理、合成规则、基音同步叠加技术等。该系统在语言学处理中采用了分词精度较高的基于词形统计的汉语文本切分算法 ;韵律处理采用了能有效控制合成语音韵律的语音合成规则 ;声学处理采用了基音同步叠加技术进行语音合成 ,易于调整合成语音的音高、音长和音强。测试表明 ,本系统语音输出清晰度达 95 % ,自然度达 8.1分 (按 10分制 ) 。

电动汽车车内主动声音系统研究

针对电动汽车在行驶过程中,车内声压级较低而引起的驾驶体验感降低和驾驶疲劳问题,文章提出了一种车内主动声音系统。首先,根据发动机声音特定的谐波结构和主阶次准周期特性,对原始声音信号进行分解,并搭建声音样本数据库。随后,根据油门踏板开度信号对数据库中的声音样本实时读取,同时利用时域同步叠加方法对读取的声音样本进行合成。最后,在Matlab仿真平台对本文的时域同步叠加方法进行仿真,并与传统直接叠加方法进行对比。仿真结果表明,虽然两种方法在匀减速和匀速的阶次分析结果相差不大,但与时域同步叠加方法相比,直接叠加方法合成的声音幅值存在一定程度不连续现象;在匀加速工况下,时域同步叠加方法合成的声音幅值和阶次成分精度方面都要优于直接叠加方法。

语音变调方法分析及音效评估

对现有变调方法作了分类分析,分析了3种典型方法的变调原理和特点,即基于时域同步叠加固定合成变调法(synchronized overlap-add fixed synthesis,SOLA-FS)、频域插值法和基于相位声码器法,重点给出改进的时域SOLA-FS实现方法;通过仿真实验对比3种变调方法的效果:3种变调方法均能在保持音频播放时间不变的前提下,实现音调的改变,但在语音自然度的感知上有差别;通过主观测听实验评估了各种变调方法的音效。结果表明:不论对语音音高的提升还是降低,在相同变调系数下,时域SOLA-FS方法均具有最好的变调效果。