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。     

浅析语音合成技术

语音合成技术是实现人机语音通信,建立一个有听说能力的口语系统所必需的关键技术。分析了国内外语音合成技术发展现状,并对语音合成技术的发展方向进行了讨论。     

利用说话人自适应实现基于DNN的情感语音合成

为了提高情感语音合成的质量,提出一种采用多个说话人的情感训练语料,利用说话人自适应实现基于深度神经网络的情感语音合成方法。该方法应用文本分析获得语音对应的文本上下文相关标注,并采用WORLD声码器提取情感语音的声学特征;采用文本的上下文相关标注和语音的声学特征训练获得与说话人无关的深度神经网络平均音模型,用目标说话人的目标情感的训练语音和说话人自适应变换获得与目标情感的说话人相关的深度神经网络模型,利用该模型合成目标情感语音。主观评测表明,与传统的基于隐马尔科夫模型的方法比较,该方法合成的情感语音的主观评分更高。客观实验表明,合成的情感语音频谱更接近原始语音。所以,该方法能够提高合成情感语音的自然度和情感度。     

浅新语音合成技术

语音合成技术是实现人机语音通信,建立一个有听说能力的口语系统所必需的关键技术.分析了国内外语音合成技术发展现状,并对语音合成技术的发展方向进行了讨论.     

基于说话人自适应训练的汉藏双语语音合成

根据藏语和汉语在发音上的相似性,提出了一种基于隐Markov模型(hidden Markov model,HMM)的汉藏双语语音合成方法。以声韵母为合成基元,采用多个普通话说话人和1个藏语说话人的语料库,利用说话人自适应训练,获得一个汉藏双语混合语言的平均音模型。通过说话人自适应变换,从混合语言的平均音模型获得普通话或藏语的说话人相关模型,从而合成出普通话或藏语语音。实验结果表明,在藏语训练语句较少的情况下,该方法合成的藏语语音明显优于仅采用说话人相关模型合成的藏语语音。     

用于统计语音合成的大尺度压缩HMM的方法

统计语音合成使用隐Markov模型(HMM)作为声学特征的统计模型。提出了一种利用声学模型空间距离进行HMM的大尺度压缩的量化方法,通过对矢量量化码本进行的优选迭代步骤,减小压缩后的声道谱模型与原模型之间的声学距离,使通过量化模型合成的语音更加接近未量化模型。主观和客观测试结果显示:使用该方法进行声道谱模型的压缩,在压缩至原模型大小的0.06左右时,仍有约90%的评价得分认为合成语音的质量没有明显下降。     

基于合成质量预测的单元挑选语音合成优化方法

近年来提出的基于隐Markov模型的单元挑选语音合成方法,较好地解决了传统拼接合成中存在的依赖较多人工干预以及合成效果不稳定性的问题,但该方法在综合不同声学统计模型度量时使用的模型权值无法自动训练获得,且人工优化较为困难。该文提出了一种基于合成质量预测的模型权值优化方法。该方法首先收集较少的人工测听结果并采用多元自适应回归样条构建针对不同权值下合成语音质量的预测模型,然后基于该预测模型利用模式搜索算法自动搜索最优权值。实验证明该方法可以有效优化模型权值并改善合成语音的自然度。     

语音合成技术中的参数拟合与数据压缩

本文提出一种压缩语音参数、减少存贮数据率的新技术.其要点是采用四次代数曲线对经LPC分析技术所得的各参数序列进行拟合,将拟合参数加以贮存.在合成语音时,先由四次代数曲线参数算出语音LPC参数,然后合成语音.文中验证了此种方法的可行性.     

基于HMM的混合激励英语文语转换系统

采用传统激励模型的基于HMM的文语转换系统的合成语音自然度不高,主要原因是其采用的激励模型用脉冲串作为浊音段激励和白噪声作为清音段激励过于粗糙,不能很好地模拟自然语音的激励.借鉴MELP语音编码算法,把混合激励模型应用到系统中,对合成语音激励信号进行改进.试验结果表明,混合激励模型大大提高了系统的自然度.     

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.     

重磁震统计推断联合建模反演技术研究与应用

提出了一种新的基于统计推断的重磁震联合反演方法。首先利用重磁差值趋势面进行场源分离 ,以分布独立的断裂系统为单元 ,把反映目标层地震波反射界面深度作为与其对应的重磁异常的二元复合逆函数 ,然后利用已知重磁震资料统计推断其逆函数在空间域上的泰勒级数分布。该方法无须事先对地质模型进行假设 ,避免了反演的多解性。对合肥盆地印度支面构造的反演结果说明了该方法的有效性 ,并成功地编绘了合肥盆地印度支面重磁震联合反演构造图     

重磁震统计推断联合建模反演技术研究与应用

提出了一种新的基于统计推断的重磁震联合反演方法。首先利用重磁差值趋势面进行场源分离,以分布独立的断裂系统为单元,把反映目标层地震波反射界面深度作为与其对应的重磁异常的二元复合逆函数,然后利用已知重磁震资料统计推断其逆函数在空间域上的泰勒级数分布。该方法无须事先对地质模型进行假设,避免了反演的多解性。对合肥盆地印度支面构造的反演结果说明了该方法的有效性,并成功地编绘了合肥盆地印度支面重磁震联合反演构造图。     

Trainable unit selection speech synthesis under statistical framework

This paper proposes a trainable unit selection speech synthesis method based on statistical modeling framework. At training stage, acoustic features are extracted from the training database and statistical models are estimated for each feature. During synthesis, the optimal candidate unit sequence is searched out from the database following the maximum likelihood criterion derived from the trained models. Finally, the waveforms of the optimal candidate units are concatenated to produce synthetic speech. Experiment results show that this method can improve the automation of system construction and naturalness of synthetic speech effectively compared with the conventional unit selection synthe- sis method. Furthermore, this paper presents a minimum unit selection error model training criterion according to the characteristics of unit selection speech synthesis and adopts discriminative training for model parameter estimation. This criterion can finally achieve the full automation of system con- struction and improve the naturalness of synthetic speech further.     

基于OpenGL建模技术的航海雷达回波图像生成方法

为解决当前航海雷达仿真器中雷达回波图像不真实问题,以岸线为例提出基于OpenGL建模技术的模拟航海雷达回波的新方法,研究雷达回波图像生成技术,给出雷达岸线回波及雷达岸线回波图像的生成算法.对RGB、HIS颜色模型在模拟雷达回波强度上的应用进行探讨,给出目标回波强度的数学模型.通过加入噪声模型,实现航海雷达岸线回波仿真,其结果与电子海图显示基本相符.     

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.     

多发音字典在维吾尔语方言语音识别中的应用

基于标准语音的识别系统在识别带有发音变异的口语语料时,识别率较低。针对这一问题,提出了一种在标准维吾尔语发音字典的基础上生成多发音字典的方法。采用基于专家经验和数据驱动相结合的方法分析了维吾尔语方言口音发音变异规则,构造发音变异集合,生成初始的多发音字典,并运用了自动数据处理算法和门限阈值法,使得能够从方言口音训练语音数据中自动获得精简的多发音字典。实验结果表明:该方法对维吾尔语方言口音的识别性能有提升作用。     

基于特征点统计模型的联机签名校验

在联机签名校验中,动态时间规正(DTW)方法是一种常用的校验算法,在非线性时间对齐的基础上给出两个签名间的距离并进行判决,这样做经验的成份较多,缺乏统计基础。该文提出了签名的特征点统计模型,利用DTW算法在序列匹配的基础上从签名中提取到多个特征点,将每个特征点的变化情况描述为多维统计特征的概率分布,在所有特征点具有同样协方差分布的假定下得到具体的概率分布参数。按照此模型推导出了在最小风险准则下对签名进行真伪判决的判决准则。采用此方法对一个公共的签名样本库进行了真伪校验测试,得到了4.41%的等误率。     

基于含噪语音统计特征的小波去噪算法分析与实现

小波分析在信号处理方面具有优越性.本文将其应用于语音信号处理,所做的主要工作:证明了Daubechies小波语音能量守恒;基于含噪语音的统计特征,提出了样本方差阈值小波分解算法及重构算法;将新的阈值算法和Waveshrink算法用于语音除噪,并运用于多组实验进行对比.仿真数据表明,本算法效果较优.