语音信号处理 第4版 第10章 语音合成与转换 思考题答案.docx

第10章语音合成与转换思考题答案

1.语音合成的目的是什么？它主要可分为哪几类？什么叫波形合成法和参数合成法？其区别在哪里？试比较它们的优缺点。

语音合成的目的：语音合成的目的是制造出能够模拟人类发音的机器，使一些以其他方式表示或存储的信息能转换为语音，让人们能通过听觉方便地获得这些信息。

语音合成的分类：语音合成主要分为波形合成法和参数合成法两大类。

波形合成法：波形合成法是一种直接将语音信号进行存储和重放的方法。它包括两种形式：一种是波形编码合成，另一种是波形编辑合成。

波形编码合成：类似于语音编码中的波形编解码方法，通过直接存储或压缩存储要合成语音的发音波形来实现。优点是简单，缺点是需要很大的存储容量。

波形编辑合成：通过选取音库中采取自然语言的合成单元的波形，对这些波形进行编辑拼接后输出。优点是可以合成高质量语音，缺点是对基元之间的相互影响较小，只能合成有限词汇的语音段。

参数合成法：参数合成法也称为分析合成法，是一种比较复杂的方法。通过对语音信号进行分析，提取出语音的参数以压缩存储量，然后由人工控制这些参数的合成。

优点：音库一般较小，系统适应的韵律特征范围较宽，比特率低，音质适中。

缺点：算法复杂、参数多，并且在压缩比较大时信息丢失较大，合成出的语音不够自然清晰。

2.波形编码合成中的波形拼接合成和规则合成法中的波形拼接有什么不同？

波形编码合成中的波形拼接：这种方法类似于直接对存储于音库中的语音运用PSOLA算法进行拼接，从而整合成完整的语音。其特点是简单直接，但只能用于有限的词汇和语句。

规则合成法中的波形拼接：这种方法首先在大量语音库中选择最合适的语音单元来用于拼接，并在选音过程中采用多种复杂的技术。最后在拼接时使用PSOLA等算法对其合成语音的韵律特征进行修改，从而使合成的语音达到很高的音质。其特点是能够生成无限词汇的语句，但复杂度较高。

为什么说用波形或参数来合成语音的原理，与语音通信的接收端的语音合成的工作原理是完全相同的？

原理相同：无论是波形编码还是参数编码方法，其原理都等同于语音通信中的波形编码器和声码器中的接收端的工作过程。两者都是通过分析或者变换得到的存储在语音库中的参数或码序列作为合成数据来实现语音合成。因此，可以说两者存在一定共同点。

4.对语音合成的激励函数有什么要求？在汉语中，对各种音段，应该使用什么样的激励函数较为合适？

激励函数的要求：激励函数必须能够产生符合发音生理过程的声音信号。对于浊音来说，最简单的激励源是三角波脉冲；但对于高质量的语音合成，激励源的脉冲形状十分重要。例如多项式波、滤波成形波等更为精确的形式可以提高激励源的质量。对于清音来说，通常使用白噪声或伪随机数发生器产生的序列作为激励源。

汉语中的激励函数：在汉语中，对于不同的音段应采用不同的激励函数。发浊音时可以使用周期冲激序列或周期冲激调制的噪声；发清音时则可以使用伪随机数发生器产生的序列或平坦频谱的高斯分布随机数叠加序列。这样可以保证生成的语音更加自然和清晰。

5.什么是PSOLA合成算法？它有几种实现方式？利用时域基音同步叠加技术合成语音的实现步骤是什么？

PSOLA合成算法：PSOLA（基音同步叠加技术）是一种用于波形编辑合成语音技术中对合成语音的韵律进行修改的算法。它能够保持原始语音的主要音段特征，同时在音节拼接时灵活调整其基音、能量和音长等韵律特征。PSOLA算法有多种实现方式，包括时域基音同步叠加（TD-PSOLA）、线性预测基音同步叠加（LPCPSOLA）和频域基音同步叠加（FD-PSOLA）。

实现步骤：利用时域基音同步叠加技术合成语音的主要步骤如下：

基音同步分析：设置与合成单元浊音段的基音保持同步的一系列位置点（同步标记），并对短时信号进行截取和处理。

基音同步修改：在合成规则的指导下调整同步标记，产生新的基音同步标记，通过插入、删除等方式改变合成语音的时长和基频等参数。

基音同步合成：利用短时合成信号进行叠加合成，根据需要调整时长和基频变化后的短时信号进行叠加得到最终的合成语音。

6.什么是TTS？它可以应用到哪些领域？一般一个TTS系统是由哪几个部分组成的？

TTS的定义：TTS（Text-to-Speech）即文本转语音技术，是将文本转换为可听声音的技术。它赋予机器“人工嘴巴”的功能，使机器像人一样说话。

应用领域：TTS技术广泛应用于自动报时、报警、公共汽车自动报站、电话查询服务业务、语音咨询应答系统以及打印出版过程中的文本校对等领域。此外还有电子函件及各种电子出版物的语音阅读、识别合成型声码器等应用前景也十分光明。

TTS系统的组成部分：一个典型的TTS系统主要由文本预处理模块、声学模型模块、声码器模块和后处理模块组成。文本预处理模块负责将输入的文本进行规范