汉语韵律模型研究及其在语音合成中的应用

• 作 者: 罗立冬
• 机 构: 北京大学
• 出 处: 北京大学
• 发表日期: 2009年期
• 关键词: 语音合成 汉语韵律 韵律结构 文语转换 重音预测 基频曲线

本文围绕语音合成中的韵律预测问题，研究了汉语韵律的特点，将句法、词法信息与韵律的语调、重音、节奏等要素相联系，通过运用统计模型，实现了对韵律结构、重音的预测以及基频曲线的生成。　　
本文研究了韵律层级结构中韵律词、韵律短语、语调短语与句法之间的关系。通过基于概率上下文无关文法(Probabilistic Context-FreeGrammars，PCFG)的自动句法分析与基于条件随机场(Conditional RandomFeilds，CRF)的预测模型对韵律词、韵律短语和语调短语边界进行了预测，准确率较未加入句法信息时分别提高了1.7％、11.6％、31.8％。　　
在重音预测方面，本文讨论了汉语轻重音在语句中的表现形式，通过分析声学特征以及人的主观判断，对Blizzard2009汉语语料库进行了人工重音标注，并建立了基于CRF的重音预测模型，考察了从文本预测重音的效果。　　
本文在比较了几种基频曲线生成方法后，结合汉语字调与句调对基频曲线的影响，提出了用音节“音阶”作为全局句调并与字调相融合的基频生成方法。实现时，是在基于多空间分布的隐马尔可夫模型(Multi-Space ProbabilityDistribution Hidden Markav Model，MSD-HMM)的基频曲线生成方法中将音节“音阶”作为句调偏置量，用动态参数平滑方法，使合成语音的语调“抑扬”变化丰富，提高了合成效果，同时还可以通过改变句调来调整语气、风格等。