语音合成的原理及分类.ppt

令： 其傅里叶逆变换为： 然后将 叠接相加便可得到： 通常选w(n)是对称的窗函数，所以有 w(rR-n)=w(n-rR) 可以证明，对于汉明窗来说，当时，无论m为何值都有： 所以 其中 为w(n)的傅里叶变换。上式说明，用叠接相加法重构的信号y(n)与原信号x(n)只相差一个常数因子。 这里采用原始信号谱与合成信号谱均方误差最小的叠接相加合成公式。定义两信号x(n)和y(n)之间谱距离测度： 上式可改写为： (9-14) 要求合成信号y(n)满足谱距离最小，可以令： 解得： 窗函数w1(n)和w2(n)可以是两种不同的窗函数，长度也可以不相等。上式就是在谱均方误差最小意义下的时域基音同步叠接相加合成公式。 实际合成时w1(n)和w2(n)可以用完全相同的窗，分母可视为常数，而且可以加一个短时幅度因子 来调整短时能量，即： 基音同步叠接相加法优点： 良好的韵律调整能力的； 缺点：基音频率修改过大时可能出现严重的谱包络失真。 9.5.2 基音同步叠加PSOLA算法实现步骤 概括起来说，用PSOLA算法实现语音合成时主要有三个步骤。分别为基音同步分析、基音同步修改和基音同步合成。下面介绍这三个步骤。 1.基音同步分析 同步标记是与合成单元浊音段的基音保持同步的一系列位置点，用它们来准确反映各基音周期的起始位置。同步分析的功能主要是对语音合成单元进行同步标记设置。PSOLA技术中，短时信号的截取和叠加，时间长度的选择，均是依据同步标记进行的。对于浊音段有基音周期，而清音段信号则属于白噪声，所以这两种类型需要区别对待。 2. 基音同步修改 同步修改通过对合成单元同步标记的插入、删除来改变合成语音的时长；通过对合成单元标记间隔的增加、减小来改变合成语音的基频等。 若短时分析信号为x(ta(s),n)，短时合成信号为x(ts(s),n)，则有： 式中ta(s)为分析基音标记，ts(s)为合成基音标记。 3. 基音同步合成 基音同步合成是利用短时合成信号进行叠加合成。如果合成信号仅仅在时长上有变化，则增加或减少相应的短时合成信号；如果是基频上有变化，则首先将短时合成信号变换成符合要求的短时合成信号再进行合成。 图9.7 时域基频同步合成语音 a) 语音基频被降低 b) 语音被延长但基频保持不变 9.6 文语转换系统 9.6.1 文语转换系统的组成 在文语转换系统中，必须事先对文本进行分析，根据上下文的关系来确定每个字发音的声调应如何变化，然后用这些声调变化参数去控制语音的合成。 图9.8 TTS系统基本框图 文本分析、韵律控制和语音合成这三个模块是文语转换系统的三个核心部分。其结构如下图所示： 9.6.1 文语转换系统的组成 1.文本分析 工作过程包括： ① 将输入的文本规范化，并处理用户可能的拼写错误，将出现的不规范或无法发音的字符过滤掉； ② 分析文本中的词或短语的边界，确定文字的读音，同时分析文本中出现的数字、姓氏、特殊字符以及各种多音字的读音方式； ③ 确定发音时语气的变换及不同音的轻重方式。最终，将输入的文字转换成计算机能够处理的内部参数，便于后续模块进一步处理并生成相应的信息。 2.韵律控制 任何人说话都有韵律特征，有不同的声调、语气、停顿方式，发音长短也各不相同，这些都属于韵律特征。而韵律参数则包括了能影响这些特征的声学参数，如：基频、音长、音强等。最终系统能够用来进行语音信号合成的具体韵律参数，还要靠韵律控制模块。 3.语音合成 文语转换系统的合成语音模块一般采用波形拼接来合成语音的方法，其中最具代表性的是前面介绍过的基音同步叠加法PSOLA。 9.6.2 汉语按规则合成 通过语音学规则产生语音，对于不同的语种，其规则是完全不同的，这里仅讨论文语转换层次上的汉语按规则合成中有关韵律规则的几个基本问题。 1.重音规则 汉语的重音，是指说话或朗读时读的比较重