韵律控制技术及其在藏语TTS中的应用研究

语音是人类相互交流和通信最方便快捷的手段,而语音中的韵律包含了说话人的意图信息,在帮助听者理解语言及意图时十分有用.韵律的研究是语音合成技术中的重要研究课题.藏语语音韵律控制技术及其在藏语TTS中的应用,内容包括藏语语音韵律研究的基本情况及今后的工作重点,藏语语音合成技术中韵律调整的方法以及藏语TTS 中的韵律生成模型和声学模块.     

基于语料库的藏语TTS技术研究

文章通过比较分析国内外TTS技术的发展,提出基于语料库的藏语TTS技术的可行性.研究了藏语TTS的文本分析模块、语音合成模块及语音数据库的关键技术,并设计了一个完整的基于语料库的藏语TTS系统.     

智能语音教学系统的研究和实现

介绍了语音合成(TTS)技术的最新进展;分析了现有语音合成技术用于课堂教学的几种方法;研究了TTS用于教学的关键技术,解决了语音合成技术用于课堂教学时讲解语句显示与声音同步的问题,并在此技术基础之上,用VB.NET实现了一个通用的智能语音教学系统.     

基于WEB的TTS应用编程实现

TTS(Text-to-Speech)即文本至语音的转换。TTS作为语音合成技术的关键是当前计算机技术发展最为前沿的技术之一,其在电话银行、语音服务、信息家电、移动PDA等领域内都有其广泛的应用。将TTS应用到WEB页面中而实现iTTS(基于Internet的TTS技术)更是当前软件应用发展的最新目标。文章介绍了几种常见TTS技术,并重点阐述Java Speech API和微软的SAPI接口来实现基于WEB的TTS编程。     

基于HMM的中英文语音合成技术研究

在SYN6658的中文TTS基础上,结合改进的英文合成技术,经过分析比较中文TTS和英文TTS的特性之后,提出了一种构建简单快速、占用空间小的中英文语音合成系统的方法。构建的系统能够实时快速地合成出中英文语音,系统简单、易实现且合成效果较好,是中英文语音合成产品的较好选择。     

采用重音调整模型的HMM语音合成系统

韵律模型一直是语音合成中的研究重点,而重音则是目前韵律研究中的主要难点。在已有的研究工作中重音的定性分析较多,但重音生成则相对较少。该文采用基于重音调整的方法,构建了一个支持重音的隐Markov模型(hid-den Markov model,HMM)语音合成系统。在文本分析模块引入最大熵模型完成了基于文本特征的重音预测,然后根据重音调整韵律参数得到调整后的HMM模型,最后采用基于隐Markov模型的语音合成技术(hidden Markov modelbased speech synthesis,HTS)系统合成语音。实验结果表明:采用该方法能够合成出抑扬顿挫的语音。该方法的优势在于能够灵活地扩展到对其他语音表现力的合成。     

藏语语音合成语料库的韵律标注规则设计

韵律标注是藏语语音合成语料库建设的重要环节.文章参考汉语韵律标注的研究成果,结合藏语自身的语音特点以及韵律特征,进行了面向藏语语音合成语料库的韵律标注研究,并设计一套包含拉丁转写、声调类型、音节结构、重音类型以及停顿指数的标注规则,为藏语语音韵律特征的研究提供了直观的、科学的方法.     

文语转换系统在高速公路信息服务上的应用

针对视觉诱导设施在效果上的不足,提出了一种基于TTS技术的语音诱导方法。对国内外文语转换技术做了较细致的总结和分析;详细论述了文语转换系统中的语言处理方法和韵律处理方法;详细介绍了语音系统发布流程及系统组成结构;并基于TTS技术运用delphi软件设计出了高速公路信息发布终端软件。     

维吾尔语韵律建模

对维吾尔语的韵律结构进行了全面的研究,从维吾尔语语音合成(text to speech,TTS)语音库中提取了音节的时长、能量、基频均值、最大值、最小值和基频范围等韵律特征参数,分析了其在音节处于不同韵律层次时的变化规律。提取了语音数据中韵律边界前后的音节延长量、音高重置和无声段等声学特征参数,并对它们的分布规律进行了统计分析。实验结果表明:不同韵律层级之间时长延长量和音高差值随着边界层级的提高而增加;韵律词边界之间没有显著地停顿,韵律短语和语调短语层级边界之间的平均停顿时长分别是154.2和212.8ms。     

基于Speech SDK的机器人语音交互系统设计

介绍了一种基于Microsoft Speech SDK5.1的机器人语音交互系统,利用Speech SDK5.1提供的应用程序编程接口SAPI进行语音识别,对识别结果在逻辑程序中处理,使用Inter-phonic5.0语音合成技术替代TTS技术来合成语音,实现了AHRR-I接待机器人的语音对话和语音控制。     

面向情感转换的层次化韵律分析与建模

语音的韵律特征对情感表达起着非常重要的作用。在基于韵律修改的情感语音转换系统中,为了更为准确地预测情感语音的韵律特征,该文提出一种层次化的韵律分析与建模方法,针对愤怒、高兴、悲伤、惊奇这4种情感对语音按照韵律结构的层级进行分析,探讨不同层次之间情感韵律特征变化规律的关联性和叠加性,并使用高层音段信息作为输入对低层信息进行决策树建模。实验结果表明,本方法对情感韵律特征的预测均方误差比局部分音段以及传统的决策树韵律模型低大约5%。     

《声调四谱图说》简评

汉语诗律是中国古典文学和汉语研究的一个重要领域。长期以来人们只重在近体诗也即格律诗的领域而忽视包括古体诗在内的汉语诗律整体研究。本文对十九世纪清末董文焕的诗律研究集大成之作《声调四谱图说》进行了探讨，总结出其四大特点和贡献，从理论上对其价值进行阐述．并指出在诗律、文学史、汉语等研究领域的意义。     

基于ELAN的多模态隐喻中各种模态的耦合分析——以口语诗《广岛》为例

文章基于概念隐喻理论,通过ELAN软件对口语诗《广岛》中的话语文本、音韵特征和语伴手势进行了分层标注、统计和分析,研究不同模态如何互动耦合来动态构建多模态隐喻。从统计结果来看,在多模态隐喻构建中,言语、音韵特征和手势基本上同步,实现了时空耦合;言语提供解释,手势形象地表示源域指明动作的产生和结果,音韵特征突出言语的中心内容,三种模态相互作用并贯通成和谐的整体,通过语义耦合和语境耦合形象地揭示了隐喻思维,突出了语篇的主题。     

安多藏语语音合成语料库的设计

藏语语音合成语料数据库的优劣对合成语音质量有很大的影响,语料的设计考虑了音段和韵律,语料库中包含藏语的音节、词语、独白语句和情景对话语等.     

一种嵌入式语音识别控制模块的设计与实现

在分析语音识别原理的基础上,结合机器人系统人机交互需求,提出了一种基于Linux应用平台、S3C2410X为处理器的低功耗、高性能的嵌入式语音识别控制模块,并分别从模块的硬件结构、软件流程进行分析和设计,通过硬件平台的搭建和软件程序的实现,达到了硬件设计简单、控制灵活、人机交互便捷的目的．     

空调的非特定语音辨识与控制

采用STC11L08XE单片机作为主控制器,以LD3320芯片作为外扩语音控制器件,实现语音辨识功能和对空调运行状态的控制,如启动、停止、功能转换、温度调节、定时开关等.该语音控制系统由语音辨识模块、红外线传输模块、LED指示灯模块及按键触发模块组成.根据非特定人声语音辨识方案,设计相应的语音识别程序,并将语音控制系统模块集成到具有红外传输功能的空调遥控器电路中.实验结果表明,根据初始设定的语音命令可实现系统对空调的语音控制,该系统在一定距离范围内具有较高的识别率.     

基于词汇层面的藏语拉萨话音节时长统计

音节时长的研究是韵律模型和语音合成系统的基础,本文基于词汇层面,随机挑选了单音节词、双音节词、三音节词、四音节词（成语）各200个,录制了1男1女藏语拉萨话发音人的语音,提取有效时长。研究了男女发音人不同长度词汇的时长分布,并对不同长度词汇的音节平均时长进行比较。结果表明：1）男女声的词汇时长总体分布比较集中;2）随着词汇长度的增加,音节平均时长逐渐变小,减小幅度成递减趋势;3）整体上来看,女声时长要大于男声时长。     

句末“阳平＋去声”词语重读时的音高变化

韵律处理是语言合成技术的重要部分，了解韵律特征及建立韵律模型是提高合成语言自然度的前提。实验利用Praat软件，在分析了32组语音实验材料，建立音高数据库的基础上，研究句末“阳平＋去声”词语重读时的音高变化，初步得出重读时高音点的音高会有明显提高，且变化幅度大于低音点，阳平声调低音点的音高会有所下降的结论。