汉语韵律结构预测模型的研究与实现-控制理论与控制工程专业论文.docxVIP

摘 摘 要 万方数据 万方数据 摘 要 语音合成是一种能够将文字转换成语音的技术。当前，语音合成技术已成 为人机交互的重要手段之一，并且在很多领域里得到日益广泛的应用。一般来 说，把文字变成语音要大致经过这样几个步骤：文本分析—韵律控制—语音 生成。文本分析主要是对输入的文本进行分析，提取出后面所需要的信息。人 说话都有一定的语调、语气、停顿及发音长短，这些被称为语音韵律。语音生 成主要是根据前两阶段分析得到的各项参数进行波形拼接。要使得合成语音能 充分表达出文本语言所含的情感，使之更贴近人的语音，就必须对文本语言做 韵律分析，它是影响语音合成自然度的重要因素，所以韵律结构预测是语音合 成技术中非常重要的一环。韵律结构预测已由最初的基于人工规则的方法发展 到利用统计模型的方法。目前，它已成为信息科学领域中的一个活跃的研究分 支。本文在对几种主要的韵律结构预测算法进行分析和比对的基础上，着重研 究了基于最大熵原理的韵律结构预测方法，并且从人工规则和统计模型的结合 以及统计模型训练这两个方面做了一些的探讨。 文中阐述了最大熵的原理、参数估计、特征模板的制定和特征选择等相关 内容，设计了基于最大熵原理的韵律结构预测模型。尝试了通过将人工语法分 析引入统计模型中的办法来提高韵律结构预测模型的性能。为了改进在小规模 样本集下的训练效果，在韵律结构预测模型训练中导入了半监督学习算法，使 所设计的韵律结构预测模型具有了一定的自主学习能力。最后，通过实验对比， 验证了这种改进的可行性。 关键词：语音合成；韵律结构；最大熵；半监督学习 I ABSTRA ABSTRACT ABSTRACT Speech synthesis is a technology that can convert text to speech. Currently, speech synthesis technology has become an important means of human-computer interaction, and has been widely used in many fields. Generally, the steps of converting text into speech are: text processing - rhythm processing - voice generation. Text processing is to analyze the input text and extract the information needed in the latter steps. All of peoples voice has a certain tone, pauses and pronunciation length which are called speech prosody. Voice generation is the step of splicing the waveform based on the parameters gotton in the former two steps. To make the synthesized voice fully express the emotion contained in the text, making it closer to the humans voice, prosodic analysis must be done to the text. It is an important factor affecting the naturalness of synthesized voice, so the prosodic structure prediction is a very important part of speech synthesis. The method of prosodic structure prediction had changed from the artificial based rules method to the statistical model method. At present, it has become an active research branch in the field of information science. This paper, on the basis of the analysis and comparison of several main prosodic structure prediction algorithms, focused on the m