本书介绍语音合成的原理和针对汉语的各项合成技术，以及应用的范例。全书分基础篇和专题篇两大部分。基础篇介绍语音合成技术的发展历程和作为语音合成技术基础的声学语音学知识，尤其是作者获得的相关研究成果(填补了汉语语音学知识中的某些空白) ，并对各种合成器的工作原理和基本结构进行系统的阐述。专题篇结合近十年来国内外技术发展的热点和方向，讨论韵律分析与建模、数据驱动的语音合成方法、语音合成数据库的构建技术、文语转换系统的评估方法、语音合成技术的应用等。
样章试读
目录
- 目 录
序 一
序 二
前 言
基础篇
第1章 语音合成技术史的叙述 3
1.1 机械式语音合成器 3
1.1.1 Kempelen的讲话机 3
1.1.2 Euphonia讲话机6
1.2 电子式语音合成器 7
1.2.1 VODER7
1.2.2 模式播放器 9
1.2.3 共振峰合成器 11
1.3 基于计算机的语音合成 13
1.3.1 数字式共振峰语音合成技术 13
1.3.2 披形拼接合成技术 19
1.4 汉语语音合成的发展 21
1.4.1 汉语合成研究的先驱 22
1.4.2 国内汉语合成技术的研究 24
1.5 总结 27
参考文献 28
附录合成语音样品 30
第2章 声学语音学 32
2.1 声学基础 32
2.1.1 空气中的声波32
2.1.2 被动方程 35
2.1.3 声音在管子中的传播 39
2.2 言语交际过程 43
2.2.1 语音的产生 45
2.2.2 语音的感知 49
2.3 语音的声学特征 52
2.3.1 语音的时间维及频率维表示 52
2.3.2 频谱分析 54
2.3.3 语固和语音的频谱分析方法 62
2.3.4 元音的频谱 66
2.3.5 辅音的频谱 69
2.3.6 音轨 70
2.4汉语普通话的音位系统 72
2.4.1 汉语普通话的辅音系统 74
2.4.2 汉语普通话的元音系统 76
2.4.3 汉语传统的声韵调系统 78
2.5 总结 83
参考文献 83
第3章 韵律 86
3.1 语调模型 87
3.1.1 "调核"理论和INTSINT语调模型 87
3.1.2 Pierrehumbert有限状态网络模型 90
3.1.3 Tilt 语调模型 95
3.1.4 Fujisa.ki模型 98
3.1.5 PENTA模型 101
3.2 汉语普通话韵律的基本单元 106
3.2.1 词调 106
3.2.2 短语语调 113
3.3 句调和篇章韵律 119
3.3.1 语篇语调 119
3.3.2 朗读风格的影响 121
3.4 总结 124
参考文献 125
第4章 汉语文语转换系统 128
4.1 合成语音自然度的研究 128
4.1.1 合成语音自然度实验 128
4.1.2 音联对自然度的影响 131
4.1.3 汉语语句重音的声学表现.138
4.2 汉语共振峰合成系统 141
4.2.1 系统框图 141
4.2.2 合成单元 143
4.2.3 语言学处理 144
4.2.4 韵律设计 150
4.2.5 声学处理 151
4.3 基音同步波形叠加合成 175
4.3.1 PSOLA 算法 176
4.3.2 汉语的韵律一一播音风格言语的声学分析 186
4.3.3 KX-PSOLA 议语文语转换系统的韵律模型 194
4.3.4 高清晰度高自然度KX-PSOLA汉语文语转换系统 203
4.3.5 (联想佳音》 211
4.4 总结 217
参考文献 218
专题篇
第5章 普通话的节律和重音的实验研究 225
5.1 基于大规模语料库的韵律研究 225
5.1.1 语料库的设计原则 225
5.1.2 语料库的后期加工 227
5.1.3 语料库的实体 232
5.2 普通话的节律组织 233
5.2.1 节律组织中的自由度 235
5.2.2 节律组织规则 239
5.3 普通话的重音标注、分类及分配 241
5.3.1 重音的知觉强度标注 243
5.3.2 重音强度的三级标注 245
5.3.3 语义重音与节奏重音 251
5.3.4 重音的分布与韵律边界 257
5.3.5 总结 259
参考文献 260
第6章 基于大规模语料库的波形拼接合成 263
6.1 韵律控制策略 264
6.1.1 全控制策略 264
6.1.2 半控制策略 264
6.1.3 软控制策略 265
6.2 基于韵律软控制策略的TTS系统的结构 267
6.3 单元选择和波形拼接的策略和方法 268
6.3.1 音节关联的上下文矢量 268
6.3.2 上下文矢量的距离 270
6.4 建立语音特征覆盖完备的言语数据库 271
6.4.1 音库覆盖率与规模 271
6.4.2 言语数据披形的采集和标注 272
6.4.3 标注精度对合成自然度的影响 273
6.4.4基于上下文相关边界模型的自动切分方法 274
6.4.5 音段披形的直接拼接合成 279
6.4.6 小结 283
6.5 木兰技英双语TT8系统 284
6.5.1 木兰的结构 284
6.5.2 统一的文本标准化模块 285
6.5.3 语言检测和分发模块及单元提取模块 285
6.5.4 言语数据库 285
6.5.5 小结 286
6.6 更多应用 286
6.6.1 个性化TTS系统 286
6.6.2 领域自适应TTS 290
6.6.3 互联网个性化语音服务 296
6.7 总结 300
参考文献 300
第7章 波形拼接合成语料库生成技术 303
7.1 录音脚本的设计 303
7.1.1 音段特征覆盖 303
7.1.2 韵律特征覆盖 306
7.2 发音人的挑选 307
7.2.1 发音人性别的选择 307
7.2.2 发音人年龄的限制 308
7.2.3 发音人籍贯的选择 308
7.2.4音鱼的要求 308
7.2.5 专业水平的考查 308
7.2.6 发音人的工作时间保证 308
7.2.7 候选发音人人数的考虑 309
7.2.8 候选人的发音评估 309
7.3 音库录制 309
7.3.1 录音室 310
7.3.2 录音设备 310
7.3.3 录音程序 312
7.4数字录音材料的处理 314
7.4.1 复审 314
7.4.2 标音 314
7.5 总结 316
参考文献 316
第8章 语音合成系统的质量评估 318
8.1 语音输出系统质量评估方法 318
8.1.1 音节清晰度测试 319
8.1.2 词和旬的可懂度测试 322
8.1.3 语句和篇单的整体性能测试 324
8.1.4 评测的原则 327
8.2 汉语语音合成质量评估 327
8.2.1 1994年"863"汉语语音合成系统评测 328
8.2.2 1995年汉语语音合成系统评价方法 329
8.3 国家语言文字工作委员会汉语语音合成系统评测 331
8.3.1 2004年汉语语音合成系统评价方法 331
8.3.2 2004年的评测结果和分析 333
8.4 MOS和PC评估方法的比较 338
8.4.1 测试文本和测试条件 339
8.4.2 MOS评估 339
8.4.3 PC测试 341
8.4.4 MOS和PC评测比较结果 343
8.5 汉语合成语音评测新方法探索 343
8.6 总结 345
参考文献 345
附录2004年评估测试语料 346
第9章 展望 351
9.1 STRAIGHT分析合成技术 351
9.2 基于HMM的语音合成 358
9.2.1 系统的框图 358
9.2.2 训练集及参数提取 359
9.2.3 HMM模型化 359
9.2.4 基于上下文聚类的决策树 360
9.2.5 言语合成 362
9.3 从概念到语音的合成 363
9.3.1 SOLE系统 364
9.3.2 SOCS系统 365
9.4 多语种合成系统 367
9.5 口语翻译系统 368
9.6 总结 370
参考文献 370
后记 372
京公网安备 11010102004214号