第六章 语音合成.ppt

第六章 语音合成(Speech Synthesis) 6.2 语音合成方法 3、规则合成法 6.2.2 语音合成系统的特性 三种合成系统的区别 6.3 文语转换系统( Text-to-Speech ) * * 第六章 语音合成 6.1 概述 6.2 语音合成方法 6.3 TTS合成技术 6.1 概述 目的：让机器说话,达到一定的音质与可懂度 语音合成与声码器合成：参数来源，存储、传输 关键性能：正确的读音(多音字、轻重等)，自然度 应用前景：已有(报站、校对)，将来(人机对话) 汉语与语音合成：汉语特点，四声 一. 语音信号的波形合成（录音合成技术） 采用数字存储技术存储基本的语音信息。 在合成时采用恰当的技术手段挑选出所需的语音单元拼接起来，生成高自然度的语句，这就是波形拼接的语音合成方法。为了节省存储容量，在存入机器之前还可以对语音信号先进行数据压缩。 6.2语音合成技术方法 录音 wav 回放 语音 压缩编码 直接录放流程 语音库 （语音单元） 语音的波形 编码 输入语音 挑选 组合 回放 合成语音 一、波形合成方法 二. 语音信号的参数合成 根据语音产生的数学模型，利用短时平稳性，提出每帧语音信号的参数，这些参数经编码后组成一个语音参数库。输出时，从语音参数库中取出相应的参数，利用语音产生的数学模型恢复语音。共振峰合成和线性预测合成是该类合成技术中的重要方法。 三. 语音信号的规则合成 将任意文本转换成声音的系统。包括语言学和声学处理。合成的词汇不是事先确定。常见的就是文语转换合成技术 text-to-speech (TTS)。 系统中存储的是音素的声学参数，以及由音素组成音节、由音节组成词、由词组成句子的规则；控制音调、轻重音等韵律的各种规则。 给出待合成的字母或文字后，根据语义规则和语音规则，确定每个字的音素的组成和句子的低层结构。为每一个词、每一个音节确定重音等级和语句结构及语调，其中包括各种停顿等，这样，文字串就变成了代码串。 声学处理就利用规则将代码串转换成连续的语音波。 6.2.1 三种语音合成方法的比较 1、波形合成法 特点： 简单 / 小词汇(报站器) 实现过程： 录音、编辑、合成， 优点：合成音质好； 缺点：存储空间大 2、参数合成法 特点： 可以合成大词汇(字典) 实现过程： 保存LPC、共振峰等参数。 缺点：合成音质较差。 特点：实现难度较大， 如TTS系统（文语转换系统） 实现过程： 保存存音素的参数，根据语音学规则产生语音。 句子组成：音素-音节-词，根据句子(规则)确定发音。 优点：可以合成无限词汇，存储量小 缺点：合成音质效果较差 三种合成系统的区别 1、合成单元(单位) 最小语音单位。从小到大依次为： 音素、双音素、半音节、音节、词、短语、句子 波形合成：词、短语或句子 参数/规则合成：英日－音素，汉语－音节或声韵母 2、合成参数 控制语音合成器所需要的参数 音色参数：共振峰、LPC、LSP参数 韵律参数：音强(幅度)、音调(基频)等 3、合成音质 系统输出的语音质量 可懂度、自然度、连贯性等主观指标 6.2.2 语音合成系统的特性 Av 冲激序列 发生器 声门脉冲 模型G(z) 随机噪声 发生器 基音周期TP AN 线性系统 声道V(z) 辐射 模型 R(z) 清/浊音开关 语音的生成模型 一、共振峰合成法 6.3 参数合成举例（参数合成法） 利用语音信号的生成模型，将声道视为一个谐振腔，利用腔体的谐振特性，共振峰频率及其带宽，为此构造一个共振峰滤波器。对激励信号进行处理，可到合成语音。 Av 冲激序列 发生器 声门脉冲 模型G(z) 随机噪声 发生器 基音周期TP AN 共振峰滤波器 清/浊音开关 一、共振峰合成法 二、共振峰合成方法 鼻腔 共振峰 滤波器 浊音激励 清音激励 第一 共振峰 滤波器 第二 共振峰 滤波器 第三 共振峰 滤波器 摩擦音 共振峰 滤波器 FV AH AF AN AV LF1 LF2 LF3 FF 可控制的参数共有10个： （1）4个幅值控制AV、AN、 AH、 AF （2）5个频率控制FV（浊音基频）、LF1、LF2、LF3、FF （3）1个清/浊音开关 一、共振峰合成方法 6.3 参数合成举例 二. 线性预测合成法(LPC编码) 将语音生成模型简化，将辐射、声道和声门激励进行组合，用一个时变数字滤波器来表示。 冲激 序列 发生器 随机 噪声 发生器 x(n) u(n) 线性 预测 分析 基音频率 清/浊音