语音合成系统中语音库样本能量均衡方法研究.PDFVIP

第３３卷　第２期 信 号 处 理 Ｖｏｌ．３３　Ｎｏ．２ ２０１７年２月 ＪＯＵＲＮＡＬＯＦＳＩＧＮＡＬＰＲＯＣＥＳＳＩＮＧ Ｆｅｂ．２０１７ 文章编号：１００３－０５３０（２０１７）０２－０２２９－０７ 语音合成系统中语音库样本能量均衡方法研究 刘　伟　谢建志 （电子科技大学通信抗干扰技术国家重点实验室，四川成都６１１７３１） 摘　要：语音合成（ＴｅｘｔｔｏＳｐｅｅｃｈ，ＴＴＳ）技术是实现人机语音通信的一项关键技术，语音库的质量是决定ＴＴＳ效果 的重要因素。本文针对ＴＴＳ语音库制作周期长，发音人录音状态（音色、能量）差异而导致的ＴＴＳ语音数据库录制 后能量不一致问题，提出了一种语音能量均衡方法，包括时域包络波动检测和帧能量平均两个步骤。首先分析获 得标准语音的相关能量参数和波动参数作为模板，利用时域包络波动检测算法对预调节语音样本的合格性进行检 验；最后，根据帧能量平均准则，对所有合格语音样本进行时域幅值调整，以最大限度地保证语音库整体能量的 一致性。实验结果表明，本文提出的语音能量均衡方法可以有效提升ＴＴＳ语音库质量，具有实际工程意义。 关键词：语音合成；能量均衡；时域包络波动检测 中图分类号：ＴＮ９１２．３　　　文献标识码：Ａ　　　ＤＯＩ：１０．１６７９８／ｊ．ｉｓｓｎ．１００３０５３０．２０１７．０２．０１４ ＶｏｉｃｅＥｎｅｒｇｙＢａｌａｎｃｅＭｅｔｈｏｄｆｏｒＴｅｘｔｔｏＳｐｅｅｃｈＤａｔａｂａｓｅ ＬＩＵＷｅｉ　ＸＩＥＪｉａｎｚｈｉ （ＮａｔｉｏｎａｌＫｅｙＬａｂｏｒａｔｏｒｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙｏｎＣｏｍｍｕｎｉｃａｔｉｏｎｓ，Ｕｎｉｖｅｒｓｉｔｙｏｆ ＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙｏｆＣｈｉｎａ，Ｃｈｅｎｇｄｕ，Ｓｉｃｈｕａｎ６１１７３１，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｅｑｕａｌｉｔｙｏｆｓｐｅｅｃｈｌｉｂｒａｒｙｉｓａｎｉｍｐｏｒｔａｎｔｆａｃｔｏｒ，ｗｈｉｃｈｄｅｔｅｒｍｉｎｅｓｔｈｅｅｆｆｅｃｔｏｆＳｐｅｅｃｈｔｏＴｅｘｔ（ＴＴＳ）．Ｔｈｅ ｐｒｏｄｕｃｔｉｏｎｃｙｃｌｅｏｆｔｈｅＴＴＳｓｐｅｅｃｈｄａｔａｂａｓｅｎｅｅｄｓａｂｏｕｔｓｉｘｍｏｎｔｈｓ．Ｄｕｒｉｎｇｔｈｅｐｅｒｉｏｄ，ｔｈｅｖｏｉｃｅｓｔａｔｅｒｅｃｏｒｄｉｎｇｎｅｅｄｓｔｏ ｂｅｃｏｎｓｉｓｔｅｎｔ，ｔｈａｔｉｓ，ｔｈｅｔｏｎｅａｎｄｅｎｅｒｇｙｃａｎｎｏｔｈａｖｅａｂｉｇｄｉｆｆｅｒｅｎｃｅ，ｗｈｉｃｈｉｓｍｏｒｅｄｉｆｆｉｃｕｌｔｆｏｒｐｒｏｎｕｎｃｉａｔｉｏｎ．Ｔｈｕｓ， ｔｈｉｓｐａｐｅｒｇｉｖｅｓｖｏｉｃｅｅｎｅｒｇｙｂａｌａｎｃｅｍｅｔｈｏｄ，ｉｎｃｌｕｄｉｎｇｔｈｅｔｉｍｅｄｏｍａｉｎｅｎｖｅｌｏｐｅｄｅｔｅｃｔｉｏｎａｌｇｏｒｉｔｈｍａｎｄｔｈｅｆｒａｍｅｅｎｅｒｇｙ ａｖｅｒａｇｅａｌｇｏｒｉｔｈｍ，ａｉｍｉｎｇｔｏｓｏｌｖｅｔｈｅＴＴＳｓｐｅｅｃｈｄａｔａｂａｓｅｒｅｃｏｒｄｉｎｇａｆｔｅｒｔｈｅｐｈｅｎｏｍｅｎｏｎｏｆｉｎｃｏｎｓｉｓｔｅｎｃｙ．Ｆｉｒｓｔｌｙ，ｏｂｔａｉ ｎｉｎｇｔｈｅｓｔａｎｄａｒｄｓｐｅｅｃｈｒｅｌａｔｅｄｅｎｅｒｇｙｐａｒａｍｅｔｅｒｓａｎｄｗａｖｅｐａｒａｍｅｔｅｒｓａｓａｔｅｍｐｌａｔｅ；ｓｅｃｏｎｄｌｙ，ｕｓｉｎｇｔｈｅｔｉｍｅｄｏｍａｉｎ ｅｎｖｅｌｏｐｅｆｌｕｃｔｕａｔｉｏｎｄｅｔｅｃｔｉｏｎａｌｇｏｒｉｔｈｍｔｏｃｈｅｃｋｔｈｅｐｒｅｒｅｇｕｌａｔｉｏｎｓｐｅｅｃｈｓａｍｐｌｅｓｔｅｓｔ．Ｆｉｎａｌｌｙａｃｃｏｒｄｉｎｇｔｏｔｈｅｆｒａｍｅｅｎ ｅｒｇｙａｖｅｒａｇｅｃｒｉｔｅｒｉｏｎｏｆａｌｌｑｕａｌｉｆｉｅｄｓｐｅｅｃｈｓａｍｐｌｅｓ，ａｄｊｕｓｔｉｎｇｔｈｅｓａｍｐｌｅｓａｍｐｌｉｔｕｄｅｉｎｔｉｍｅｄｏｍａｉｎｖａｌｕｅ，ｔｏｍａｘｉｍｉｚｅ ｔｈｅｏｖｅｒａｌｌｅｎｅｒｇｙｏｆｔｈｅｓｐｅｅｃｈｄａｔａｂａｓｅｃｏｎｓｉｓｔｅｎｃ