检索结果-南通市图书馆

科技通报 2002年第1期18卷 6-9,13页

作者：张后旗俞振利张礼和浙江财经学院经济信息管理系浙江杭州310012 浙江大学信息与电子工程系浙江杭州310028

结合汉语普通话的韵律特征 ,采用 td- PSOL A算法实现了汉语普通话的韵律合成 ,并对合成语音和原始语音的韵律参数作了比较分析 .实验结果表明 ,这种方法能够有效地控制语音韵律参数 ,实现较高质量的语音韵律合成 .

关键词：语音合成韵律参数时域基音周期叠加算法 td-psola

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于词干词缀的蒙古语语音合成方法

内蒙古大学学报（自然科学版） 2008年第6期39卷 693-697页

作者：孟和吉雅白音门德敖其尔内蒙古大学计算机学院呼和浩特010021 内蒙古大学蒙古学学院呼和浩特010021

讨论以蒙古语的词干和词缀作为语音基元,使用硬拼接和软拼接相结合的方法进行拼接,然后采用时域基音同步叠加(td-psola)和频域基音同步叠加法(FD-psola)对合成语音的韵律进行调整的蒙古语语音合成思路和方法.

关键词：语音合成词干词缀 td-psola FD-psola

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

语音变调算法研究及其在语音合成中的应用

语音变调算法研究及其在语音合成中的应用

作者：张晓蕊山东大学

学位级别：硕士

随着信息技术和多媒体技术的发展,普通的音视频素材已经不能满足人们生产活动和娱乐生活的需求。应运而生的语音变调技术,是在保持音频文件播放速度不变的前提下,按照某种算法对说话人的音调进行调整,从而实现音调的升高或降低,而语音... 详细信息

随着信息技术和多媒体技术的发展,普通的音视频素材已经不能满足人们生产活动和娱乐生活的需求。应运而生的语音变调技术,是在保持音频文件播放速度不变的前提下,按照某种算法对说话人的音调进行调整,从而实现音调的升高或降低,而语音音调的不同主要是由基音频率和共振峰频率来决定,因此音调的改变可以通过改变原始语音信号的基音频率和共振峰频率来实现。目前存在的语音变调方法都还不是很完善,还存在着各种各样的缺点。语音合成技术是随着人们对人机交互提出要求而发展起来的一种语音信号处理技术,是将计算机输出的或人为输入的一些非语音信息如文字、数字、标点符号等转换为清晰自然可懂的语音输出,这种技术又称为文语转换技术（Text to Speech,简称TTS）。较早的文语转换系统在合成模块一般采用参数合成法,其中共振峰合成法和LPC合成法应用较多。对参数合成法的研究起步比较早,所以参数合成法已具有相对成熟的理论基础,而且实现起来较简单,但实际合成的连续语音不自然,有明显的机器腔。二十世纪九十年代初,基音同步叠加技术的研究开始兴起,并成功运用到了TTS系统中。基音同步叠加（psola, pitch synchronous overlap add）技术不同于简单的波形拼接技术,它在对语音基元拼接的时候,首先对音频文件分析得到基音标注,然后以基音周期为单位对拼接单元的基频、音长和音强等韵律特征做出适合的调整,在不改变原始语音基元音质的基础上,灵活地改变语音的韵律特征。本文通过分析研究现有语音合成方法存在的优缺点,在psola算法的基础上,提出了一种时长和基频分步处理的语音合成方法,并通过实验证实了其有效性。本文主要工作如下：1、对现有变调方法作了分类分析,主要分析了3种典型方法的变调原理和特点,即时域同步叠加固定合成法（synchronized overlap-add fixed synthesis, SOLA-FS）、频域插值法和相位声码器法,并通过分析研究指出了它们的优缺点。然后在SOLA-FS算法的基础上,提出了一种改进的基于SOLA-FS的变调方法,仿真实验发现该变调方法不仅能在保持音频播放时间不变的前提下改变音调,而且降低了算法复杂度,并在一定程度上减少了噪音,并给出了改进前后运行时间的比较,以及改进前后对应的语谱图。实验发现改进的SOLA-FS方法在自然度上的优势明显优于其他变调方法,然后给出了三种不同变调算法下变调结果的主观测听对比。结果表明：不论对语音音调的升高还是降低,在相同变调系数下,改进的SOLA-FS方法均具有最好的变调效果。 2、将改进的SOLA-FS变调方法与波形拼接技术相结合,提出了一种音高、时长分步处理的语音韵律拼接合成方法,既保持了语音拼接单元的清晰度和自然度,也在一定程度上提高了合成语音的韵律修改能力。文中给出了在不同的音高调整参数下,传统的td-psola方法与时频分步合成法在基频修改时所对应的合成语音的时域图和基频轨迹图,并在最后给出了算法复杂度的比较。实验证明,传统的td-PSLOA方法在音高修改时,其合成语音对应的基频轨迹的包络与语音样本的基频包络有较大出入,尤其是当基频修改幅度较大时,会造成叠加单元的混叠或遗漏,从而影响合成语音的效果。而时频分步法在音高修改时,其合成语音对应的基频包络相对语音样本基本不变,而且当音高变化幅度较大时仍能达到较好的语音合成效果。但是,本文提出的合成方法在时间复杂度上会增加,但随着计算机技术和数据存储技术的发展,算法的复杂度将不会是一个大问题。论文最后对所做的全部工作进行了总结,并给出了论文中存在的不足和下一步要研究的方向。

关键词：语音变调 SOLA-FS 语音合成 td-psola 时频分步

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于声韵母的嵌入式语音合成

基于声韵母的嵌入式语音合成

作者：李冰洁北京交通大学

学位级别：硕士

随着人工智能的发展,嵌入式语音合成成为最自然的人机交互方式,拥有广泛的应用前景。目前,由于大规模的语音合成对运算速度和存储容量的要求较高,嵌入式设备在进行语音合成时,一部分采用网络和云计算的方式,在离线状态下不能使用,还有... 详细信息

随着人工智能的发展,嵌入式语音合成成为最自然的人机交互方式,拥有广泛的应用前景。目前,由于大规模的语音合成对运算速度和存储容量的要求较高,嵌入式设备在进行语音合成时,一部分采用网络和云计算的方式,在离线状态下不能使用,还有一部分自带一个语音芯片,在离线状态下可以进行一些简单的语音合成,但使用环境比较受限。此外,由于构建大规模语料库的工作量较为庞大,导致定制个性化语料库成为了一个难题。鉴于大规模语料库进行语音合成时所带来的种种问题,本文舍弃了大规模语料库的主流思想,采用声韵母作为合成基元,对连续语音段内声韵母进行分割和筛选,最后语料库中只保留适量的声韵母样本。这样的处理方式在存储空间、匹配调用以及定制个性化语料库上都有很大的优势。本文基于声韵母的语音合成主要完成了以下三方面的工作：(1)连续语音段内声韵母的分割：提出一种基于损失函数和听觉谱边界特征参数的连续语音段内声韵母分割的方法。首先建立自相关函数和代价损失函数,采用动态规划方法进行浊音的检测,然后根据统计规律,在声母段时长范围内检测听觉谱边界特征参数参数的特征突变点,进行声韵母分割。仿真实验结果表明,该分割方法减小了由于声母发音方式、音变和噪声对分割结果的影响,提高了声韵母分割的准确性。(2)建立声韵母语料库：设计语料库中需要包含的声母和韵母的样本模型。首先针对不同声韵母组合的协同发音规律,将声韵母进行分类,依此对语料库中需要包含的内容进行设计。然后从连续语音段中提取这些声韵母基元,进行人工校对和修正。最后统一编辑命名,完成声韵母语料库的建立。(3)基于声韵母的语音合成：改进了时域基音同步叠加(Time Domain Pitch Synchronous Overlap Add, td-psola)的语音合成方法,使其适用在基于声韵母的语音合成中。首先引入合成的韵律修改参数,然后建立了字和词的韵律模型,最后针对复杂的发音情况设计了一套韵律符号。仿真实验结果表明,该方法具有较高的准确度和自然度。

关键词：语音合成 td-psola 词韵律模型声韵母分割语料库建立

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

语音合成算法研究与FPGA实现

语音合成算法研究与FPGA实现

作者：左石凯哈尔滨理工大学

学位级别：硕士

在科学技术空前发展的今天,人机交互技术成为发展的热门技术,其中语音合成是该项技术的重要组成部分,应用十分广泛。随着嵌入式硬件平台性能的提高与存储容量增加、价格降低,嵌入式语音合成技术也逐渐走入各种应用场合。FPGA以其灵活性... 详细信息

在科学技术空前发展的今天,人机交互技术成为发展的热门技术,其中语音合成是该项技术的重要组成部分,应用十分广泛。随着嵌入式硬件平台性能的提高与存储容量增加、价格降低,嵌入式语音合成技术也逐渐走入各种应用场合。FPGA以其灵活性、使用范围广、硬件的可重构性而成为时下发展的热门嵌入式平台。本文通过比较各种语音合成算法优缺点,选择时域基音叠加(td-psola)作为语音合成模块的算法。应用MATLAB软件设计td-psola算法并进行分析、优化、验证。通过Quartus II软件设计建立SOPC系统,在Nios II IDE环境下,植入td-psola算法,最终实现语音合成功能。实验证明,在一定范围内,td-psola算法能够较好地实现语音韵律调节。通过峰值法和最佳路径法使基音检测准确率达到89.2%。通过能量阈值与过零率阈值调节,清浊音判定准确度达到93.16%。本文设计的SOPC平台能够实现系统需求,为后续语音合成系统完善提供较大空间。听音测试结果表明,基于td-psola语音合成算法对语音韵律修改有限,当时长修改范围在0.5倍和音高修改范围在0.5.5倍之间时,可以得到比较满意的语音合成结果。通过语音库中语音样本的多层次化设计,使语音合成的修改幅度减少,改善语音合成质量。

关键词：语音合成 td-psola FPGA 韵律调节嵌入式语音合成

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基音检测算法研究及其在语音合成中的应用

基音检测算法研究及其在语音合成中的应用

作者：郑瑞南京师范大学

学位级别：硕士

在语音信号处理的各个领域,无论是语音识别、说话人识别、语音分析与语音合成,以及低码率语音编码、发音系统疾病诊断、听觉残障者的语言指导等,准确有效地提取语音信号的基音周期显得至关重要,基音周期的正确与否直接关系到整个系统的... 详细信息

在语音信号处理的各个领域,无论是语音识别、说话人识别、语音分析与语音合成,以及低码率语音编码、发音系统疾病诊断、听觉残障者的语言指导等,准确有效地提取语音信号的基音周期显得至关重要,基音周期的正确与否直接关系到整个系统的性能。但是,由于基音周期的检测受多种因素影响,目前还没有一种有效的基音检测算法可以适用于任何场合、任何说话人。为此,本文通过深入研究传统的基音检测算法及其几种经典的改进算法,力求找出准确性和鲁棒性都相对较好的基音周期检测算法。由于平均幅度差函数法(AMDF)具有较低的算法复杂度和较少的计算时间,所以很多基于AMDF的基音检测改进算法相继被提出,但是这些改进算法的基音检测效果依然不能令人满意。本文给予了两种改进的基音检测算法：基于离散小波变换(DWT)的AMDF基音检测改进算法(DW-AMDF)、基于多项式拟合(Polynomial fitting)的AMDF基音检测改进算法(PF-AMDF),这两种算法分别通过小波变换和多项式拟合消除AMDF波形存在的下降趋势,从根本上解决AMDF容易受噪声影响而检测错误。实验结果表明,与传统的AMDF算法及其几种典型的改进算法相比,DW-AMDF算法和PF-AMDF算法的检测精度有了明显的提高。在用时域基音同步叠加技术(td-psola)合成语音信号时,基音周期是一个十分重要的参数,它直接决定了基音脉冲标记过程中标记的正确与否,进而影响语音合成的质量。应用本文提出的DW-AMDF算法和PF-AMDF算法检测原始语音信号的基音周期,从而可以得到更精确的基音脉冲标记,提高合成语音的自然度。

关键词：基音周期 AMDF 语音合成 td-psola 下降趋势小波变换多项式拟合

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

电子伪装语音下的说话人识别方法研究

电子伪装语音下的说话人识别方法研究

作者：陶定元南京邮电大学

学位级别：硕士

说话人识别技术因其独特的优势已经成为生物认证领域的主要技术之一,而且应用广泛。然而,随着手机变声软件的出现,其产生的电子伪装语音由于掩盖了语音本身的说话人个性特征,因此对现有的说话人识别技术来说是一种挑战,且一旦被违法犯... 详细信息

说话人识别技术因其独特的优势已经成为生物认证领域的主要技术之一,而且应用广泛。然而,随着手机变声软件的出现,其产生的电子伪装语音由于掩盖了语音本身的说话人个性特征,因此对现有的说话人识别技术来说是一种挑战,且一旦被违法犯罪分子利用,后果十分严重。因此,电子伪装语音下的说话人识别已经成为司法鉴定领域研究的热点之一。但是,从电子伪装语音中识别出说话人的身份仍然面临着三大挑战:对于电子伪装语音伪装程度的鉴定;针对电子伪装语音的说话人识别系统;电子伪装语音还原的算法。针对以上三个问题,本文的工作主要有:(1)提出了一种将DTW与VQ相结合的识别模型,实现从电子伪装语音中识别出说话人的身份。选取MFCC作为电子伪装语音的特征参数,并通过DTW对其特征参数进行动态规整,完成伪装程度的鉴定。然后利用VQ模型,在同一伪装程度层面上实现对说话人身份的确定。(2)针对语音中的性别特征在高伪装程度下缺失的现象,提出了一种可以区分电子伪装语音中的说话人性别的方法。当待测语音的说话人性别与模板语音的说话人相同或相异时,使用DTW进行伪装程度匹配的结果会存在明显差异,利用这一差异便可实现对待测语音的说话人性别的确定。(3)结合语音信号的重采样理论和基音同步叠接相加理论,通过对语音的基音频率和语速进行动态调整,实现从电子伪装语音中还原出说话人原始语音的方法。

关键词： MFCC 电子伪装语音 DTW 重采样 td-psola

基于ARM Cortex-M3的语音合成软件系统设计与实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于ARM Cortex-M3的语音合成软件系统设计与实现

作者：熊林云电子科技大学

学位级别：硕士

随着移动互联网时代的兴起,语音合成技术在嵌入式系统领域的应用越来越被重视。基于HMM训练的语音合成技术正被广泛使用,但是由于这种使用大语料库系统占用很多的系统资源,并且运算量大等特点,所以在应用到嵌入式系统时,存在硬件配置要... 详细信息

随着移动互联网时代的兴起,语音合成技术在嵌入式系统领域的应用越来越被重视。基于HMM训练的语音合成技术正被广泛使用,但是由于这种使用大语料库系统占用很多的系统资源,并且运算量大等特点,所以在应用到嵌入式系统时,存在硬件配置要求高,实时处理不够及时,语音效果不如PC机那样自然流畅等问题。针对上述问题,本论文首先详述了语音合成技术的历史和现状,然后对HMM算法、HMM语料库设计、HMM单元挑选、LZSS压缩算法、波形拼接td-psola算法等相关技术原理进行了详细的阐述与分析,然后对基于Arm Cortex-M3内核的嵌入式语音合成系统进行了需求分析,并根据实际的市场需求与功能需求,设计并实现了基于Arm Cortex-M3内核的嵌入式系统语音合成系统,该系统充分利用Arm Cortex-M3内核的硬件特点解决了语音合成技术中高运算量和数据传输效率的要求,为了能够支持并行处理文本韵律分析、HMM单元挑选、语音拼接合成等多个处理环节,系统引入了RTOS,并且根据多任务操作系统的分时处理特点,采用流水线并行处理的方案,明显提高了语音合成的速度和合成质量,既满足了嵌入式语音合成系统对文字到语音的转换正确、韵律合理的基本要求,又兼顾了播放实时、流畅的用户体验需求。本系统的设计与实现拓展了语音合成技术在嵌入式产品领域的应用范围,非常适合目前中低端移动设备对语音合成技术的市场需求。

关键词：语音合成 HMM Arm Cortex-M3 LZSS td-psola