基于HMM的可训练中文语音合成.pdf

中 文 信 息 学 报 第 20卷 第 4期 JOURNAL OF CH INESE INFORM AT ION PROCE SSING V o.l 20 No. 4 文章编号: 1003- 0077( 2006) 04- 0075- 07 基于 HMM 的可训练中文语音合成* 吴义坚, 王仁华 (中国科学技术大学, 安徽 合肥 230026 ) 摘要: 本文将基于 HMM 的可训练语音合成方法应用到 中文语音合 成。通过对 HMM 建 模参数 的合理选 择和优化, 并基于中文语音特性设计上下文属性集以及 用于模型 聚类的问题 集, 提 高其建模和 训练效果。从 对比评测实验结果来 看, 981 5% 的 合成语音在改进后其音质得 到改善。此外, 针对合 成语音 节奏感 不强的问 题, 提出了一种基于状态和声韵母单元的两层模型 用于时长建 模和预测, 集外时 长预测 RM SE 由 291 56m s降 为 27101m s。从最终的合成系统效果来看 , 合成语音整 体稳定 流畅, 而且 节奏感也 比较强。 由于合 成系统所 需的存贮量非常小, 特别适合嵌入式应用。 关键词: 计算机应用; 中文 信息处理; 语音合成; HMM; 可训练语音 合成; 时长模型 中图分类号: TP391 文献标识码: A HMM 2based T ra inable Sp eech Syn thesis for Ch inese WU Y i2jian , W ang R en2hua (U n iversity of Science and T echnology ofCh in a (USTC), H efe,i Anhu i230026, Ch ina) Abstrac t: In th is paper, the HMM2based trainable speech synthes is was applied for Ch inese application. The appro2 priate HMM param ete rs a re se lected and optim ized, and the contextual features and correspond ing question set for tree2based HMM c lustering a re designed by considering the charac teristics ofChinese, to im prove the effect ofHMM m ode ling and tra in ing. F rom the evaluation results, the pre ference score of the synthetic speech a fter the above im2 provem ent is 98. 5% . F urtherm ore, in order to im prove the rhythm of synthetic speech, a two2leve l based model is in2 troduced for duration m ode ling and pred iction, and the duration prediction RM SE was improved from 29. 56m s to 27