基于同态处理的汉语韵律调节研究

近年来,在汉语语音合成的研究中,如何提高合成语音的自然度越来越引起人们的关注。其中的关键问题是设计一个能灵活有效地调节汉语韵律特征的语音合成器。进行韵律调节的基本原理是基于源／滤波器理论,采用同态处理的方法,对汉语文语转换系统进行研究,并对韵律调节部分进行分析和实验。实验结果显示,这种方法要胜于PSOLA方法,下一步,一块基于DSP芯片“TMS320C54x”的PC卡将用来实现上述目标,从而期望建立一个实时的语音合成器,并使其得到广泛的应用。     

基于预训练语言表示模型的汉语韵律结构预测

韵律结构预测作为语音合成系统中的一个关键步骤,其结果直接影响合成语音的自然度和可懂度.本文提出了一种基于预训练语言表示模型的韵律结构预测方法,以字为建模单位,在预训练语言模型的基础上对每个韵律层级设置了独立的输出层,利用韵律标注数据对预训练模型进行微调.另外在此基础上额外增加了分词任务,通过多任务学习的方法对各韵律层级间的关系及韵律与词间的关系建模,实现对输入文本各级韵律边界的同时预测.实验首先证明了多输出结构设置的合理性及使用预训练模型的有效性,并验证了分词任务的加入可以进一步提升模型性能;将最优的结果与设置的两个基线模型相比,在韵律词和韵律短语预测的F1值上与条件随机场模型相比分别有2.48%和4.50%的绝对提升,而与双向长短时记忆网络相比分别有6.2%和5.4%的绝对提升;最后实验表明该方法可以在保证预测性能的同时减少对训练数据量的需求.     

基于TBL算法的汉语韵律词预测

提出了一种新的汉语韵律词预测方法.利用标注过的语料,分析了语法词与韵律词之间的关系,发现24%的韵律词由不同语法词组合而成,语法词的词长是确定韵律词边界的主要特征.基于以上分析,实现了一种基于错误驱动的规则学习算法(TBL)的韵律词预测方法.实验结果表明,所提出的方法在测试集上能够达到97.5%的预测精度.     

汉语书面广告语言的韵律结构

汉语的韵律系统包括韵律的结构规则。根据韵律构词学理论，最小的能够自由运用的韵律单位是音步，韵律词至少是一个音步。汉语最基本的音步（韵律词）是两个音节，复合韵律词是两个音步，俪句是两个句子。韵律的这种求偶性结构，反映了语言中的轻重抑扬和骈俪对仗。汉语书面广告语言运用中，韵律的结构方式被凸现出来，一半以上的广告词使用了标准韵律词、复合韵律词和俪句，使得汉语书面广告语言结构匀整、抑扬有致、明丽上口，并且给人以沉稳、踏实、可信之感，对人们接受广告信息产生了直接的效用，充分发挥了广告的功能。     

汉语对话语气韵律建模方法

为使得合成系统所生成的语音更加自然,构楚了一个普通话对话语气韵律模型.借鉴现有陈述语气韵律模型的研究成果,针对对话语气的特点进行扩展,生成具有对话语气韵律特征的基频曲线.与陈述语气相比,对话语气具有较快的语速和较窄的调域,然而仅通过变换语速和调域却无法模拟出对话语气的特征.对话语气中音节内部基频曲线无法完成其原先固有的调形,这种现象称为"未完成现象".为了模拟这种现象,利用分类树预测一个音节是正常音节还是未完成音节,并在基频曲线生成模型中对未完成音节进行特殊处理,使之生成具有对话语气韵律特征的基频曲线.听辨实验证明,基于本文所提出韵律模型合成的语音表现更加自然和口语化.     

汉语韵律边界定位与选音算法研究

论述了采用统计模型进行汉语韵律层次结构分析和韵律建模的思路,将韵律结构划分为3个基本层级：韵律词,韵律短语和韵律短语群,提出了一种新的基于统计的韵律结构模型。实验表明该模型对韵律词边界的预测准确率和召回率分别达90.37%和92.48%：对韵律短语边界的预测准确率和召回率分别达82.43%和85.59%。同时,描述了一个汉语连续语流语音合成的选音算法,它适用于基于大语料库的语音合成系统。由于同时考虑单音节、二字韵律词、三字韵律词和四字韵律词,从而降低了因拼接点不连续而造成的音质损失,提高了合成语音的自然度。     

Klatt合成器定点实时化及其在汉语文语转换中的应用

通过对Ｋｌａｔｔ合成器通道浮点范围的研究和实验，确定了采用单双精度整数混合使用的定点算法来模拟Ｋｌａｔｔ合成器的浮点运算，以便在ＴＭＳ３２０Ｃ２５上实现实时合成，同时对原合成器在６个方面进行了改进。改进后的合成器一方面满足了实时合成的要求，实时合成的结果基本上达到了原算法的精度和动态范围；另一方面为汉语规则合成提供了更为有效的手段，文语转换系统的硬件部分由一台３８６微机和一块ＴＭＳ３２０Ｃ２５－Ｄ型高速信号处理板组成的主从式系统构成，系统中考虑了汉语中的声调规则、轻声规则等５种韵律规则，提高了系统的自然度和可懂度。     

基于词汇的蒙古语文语转换的实验

蒙古语是一种很有影响的语言,较放西有许多独特的方面,本介绍了一个基于词汇的蒙古语语转换系统的设计与实现。     

基于概率频度的普通话韵律结构预测统计模型

为进一步提高文语转换系统中韵律结构预测的准确度,提出了一个基于概率频度的统计模型的方法,预测韵律词和韵律短语边界两级韵律结构。该方法提取与韵律词和韵律短语边界有关的语言学特征(词性、语法词、长度和位置等),并进行样本训练计算各个特征的概率频度值,最终分别建立韵律词和韵律短语的统计模型。实验结果表明:统计模型的方法对于韵律词和韵律短语边界预测的正确率分别可达90.6%和84.6%,并与决策树算法和T ransform ation-based learn ing(TBL)转换规则学习算法比较,提高10%以上的正确率。     

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.     

基于Microsoft Speech SDK 5.1实现中英文朗读

对如何利用Microsoft Speech SDK 5.1实现中英文混合文本朗读进行了研究，解决了中英文朗读时不能真正朗读英文的问题，提出了一种根据文本类型和系统消息实时切换中英文引擎的方法，实现了中英文朗读时引擎的自动平滑切换．朗读效果良好，对于实现人机之间人性化交流具有积极的意义。     

基于韵律语段的语音情感识别方法研究

语音情感识别领域提取情感特征时,普遍采用"不同情感类别,相同时长基准"的做法,忽略了人耳敏感的韵律段长会依情感不同而有所差异的现象。本文首先通过情感识别实验确定各类情感的最佳识别段长,作为人耳敏感韵律段长。并构造了基于韵律段特征的多重Elman网络模型,以期对不同情感基于特定敏感韵律段长进行识别和对多分类器识别结果进行有效融合,实现了对人耳情感辨识规律的模拟。结果表明,使用敏感韵律段特征的系统识别率达到67.9%,与使用定长语段特征相比有了很大的提高。     

基于简体汉字编码的语音合成技术

通过汉字编码的特性构造了一个函数,利用这个函数为每一个汉字建立索引,研制了一套基于汉字编码特性的外挂语音合成技术,该技术在实际应用中收到了良好的效果.     

一种基于句子分割的文法自动推导算法

信息咨询口语对话系统中的领域文法规则往往需要专家来人工设计。该文针对一种面向汉语口语的上下文无关增强文法,提出了一种基于句子分割的文法自动推导算法。其基本思想是:用初始规则集对训练例句进行分析,若不能得到完整的语法树,则先对分析结果进行消歧和归一化,然后根据顶层成分递归地推导出缺少的规则,并更新已有的规则集。为了提高最终文法的性能,在例句处理顺序和规则更新上对算法基本流程做了改进。在天气预报查询领域进行了实验,结果文法的句法分析准确率在初始规则集为空时达到了64.8%,在初始规则集只包含日期相关规则时达到了86.4%。     

汉语句式结构的数字化--句本位语法与“图解法”改造?

从汉语树库建设和应用角度分析了汉语语法研究数字化现状,指出现有的短语树库和依存树库均缺乏有效的句式结构信息.以黎氏语法"图解法"为原型,改造设计了一套可用于计算机实现的句式结构数字化图解方案,介绍了该图解系统在对外汉语教学中的2项应用.最后结合图解树库的标注实践谈了对句本位语法关于结构层次和"活看法"的理解.     

部分英汉对应修辞格剖析

就英语和汉语这两种语言来说，其修辞格大都相同或相似。从宏观上看，英汉对应辞格其有近20种。重点介绍了婉曲（Euphemis）、拟声（Onomatopoeia）、押韵（Rhyme）、反复（Repetition）、移就（Transferred Epithet）、双关（Punning）、拈连（Zeugma）、层递（Climax／Anti—climax）、对偶（Antithesis）、折挠（eriphrasis）等10种不太常用的辞格。     

基于语音合成法的汉语人名语音库的设计应用

采用语音合成方法完成了汉语人名语音库的设计.声母部分直接采用录音样本,而韵母部分则通过激励声道频率响应函数来合成语音,然后通过声韵母拼接来实现人名语音合成,以此建立人名语音库.可以实现各种可能人名语音的合成,适合应用于多种电子自助系统中.