A Unified Framework for Multilingual Text-to-Speech Synthesis with SSML Specification as Interface

This paper describes the design of a unified framework for a multilingual text-to-speech (TTS) synthesis engine – Crystal. The unified framework defines the common TTS modules for different languages and/or dialects. The interfaces between consecutive modules conform to the speech synthesis markup language (SSML) specification for standardization, interoperability, multilinguality, and extensibility. Detailed module divisions and implementation technologies for the unified framework are introduced, together with possible extensions for the algorithm research and evaluation of the TTS synthesis. Implementation of a mixed-language TTS system for Chinese Putonghua, Chinese Cantonese, and English demonstrates the feasibility of the proposed unified framework.     

美国总统政治演讲中立场标记语变化的历时研究

从历时的视角探析美国总统历年演讲中的立场变化。以语料库为基础,在定量研究的基础上,从语义范畴和词性范畴归纳总结历年演说词中立场变化的趋势;用定性的研究方法,探讨导致立场标记变化的原因。认为立场标记语的变化趋势受到一定政治、经济环境的影响,并且因词性和语义范畴不同,立场标记语呈现一定的增减趋势。     

标准,抑或参考?——《婚姻法解释(三)》之“不动产登记”辨识

不动产登记是公示方法而非确定权属的标准,共同共有不排斥共有关系终止时的按比例分割。对"用共同财产还贷"的法律行为做合目的、习惯以及婚姻法价值取向的解释可以得出结论:《婚姻法解释(三)》之"不动产登记",无论是在确定父母赠与之意思表示时,还是在确定房产是个人财产还是夫妻共同财产时,抑或在夫妻离异时确定房屋产权归属时都只是一种参考,而非标准。     

基于LPC预测误差DWT的语音基音检测

在对语音信号进行ＬＰＣ分析的基础上，提出了一种有效的语音基音周期检测算法。该算法利用小波变换中著名的Ｍａｌｌａｔ算法逐层分解ＬＰＣ预测误差信号，在最低分辨率的逼近信号中寻找峰值，然后逐层回溯各个分辨率的逼近信号，最后在ＬＰＣ预测误差中确定出峰值，从而求出相应的基音周期。     

纳西语语音合成的初步研究

本文初步建立了一个纳西语按规则语音合成系统，该系统采用共振峰语音合成技术，以３５０个左右的无调单音节和４种声调模式为合成基元，该系统不仅适用于纳西语文－语转换系统，而且也是一个研究纳西语语音的有力工具。     

糠醛硫代糠酰腙铜(Ⅱ)、镍(Ⅱ)络合物的合成及其抑菌作用

本文介绍糠醛硫代糠酰腙铜(Ⅱ)、镍(Ⅱ)络合物的合成.在元素含量分析、摩尔电导测定、红外和紫外光谱解析基础上确证了两种络合物的组成和配位情况,测定了配体和络合物对两种真菌和一种细菌的抑制活性.     

Tone features in whispered Chinese

Study on the whispered tone is important to speech recognition and conversion in whispered Chinese. In this paper, the characteristics of whispered speech are introduced and the tone features in whispered Chinese are discussed. There is no fundamental frequency in the whispered speech, so other features, such as the amplitude envelope, duration, glottal area, lip area, forrnant, and vocal tract length, are extracted and their contributions to the automatic tone recognition are compared. From the experiments with six simple Chinese whispered vowels in four tones, it is proved that loudness-weighted 32 Mel-frequency bands log-amplitude envelopes and duration can be used as the main tone features in the whispered Chinese tone recognition. The average tone recognition rate approaches that of the human perception level.     

汉语元音的非线性预测

最近研究表明非线性的局部模型是最精确的混沌时间序列预测方法之一．同时有研究表明汉语的产生过程包含非线性．传统的语音处理技术忽视了语音中可能存在的非线性结构，因而限制了处理能力的进一步提高．对汉语元音／a／和／u／的细致相空间分析结果表明，汉语元音的重构相空间有类似于混沌吸引子的结构．根据汉语元音发声过程的非线性特性，进一步对其进行相空间的局部线性预测分析，计算了预测误差随预测步长的关系曲线，讨论了嵌入维数对预测性能的影响，并且与传统的线性方法作了比较．结果表明，尽管非线性的局域线性预测法存在计算开销大的问题，但其预测视野要远大于线性预测法，总体预测性能明显优于线性预测法．     

基于G.729A和AES的分组语音保密通信

AES分组密码由多轮迭代的轮函数构成，对轮函数包括的4个面向字节的变换：字节变换、行移位、列混合和加载子密钥作简要介绍和分析；并简要描述了G．729A的编码、解码器的工作流程和参数结构．由于AES标准仅支持128bit的分组加密，而G．729A语音编码帧的大小为80bit，所以不能直接应用AES来加密G．729A的编码语音来实现语音保密通信，在不损害AES的安全强度下，提出两个适用于加密G．729A编码语音帧的AES修正方案：AES160和AES80，根据分组密码的随机性测试、明密独立性测试、雪崩效应测试分析AES160和AES80密码统计性能，测试结果表明AES160和AES80都有优秀的密码学统计性能，最后利用随机误码，分析基于G．729A和AES的语音保密通信系统的抗误码性能，结果表明AES160和AES80适用于加密G．729A的语音编码帧，并保留了AES的密码安全性能。     

基于结构化特征语音模型的区别性说话人自适应算法

针对特征语音说话人自适应算法的缺陷,提出了基于结构化特征语音模型的区别性说话人自适应方法.该算法能根据自适应数据量调整自适应参数,并采用基于最大互信息量准则的区别性参数估计方法,进一步提高了自适应性能.有监督自适应的实验结果表明,在仅有一句自适应语句的情况下系统误识率相对下降了6.7%,同时算法表现出了优于特征语音自适应方法的渐进性能.