發(fā)布時(shí)間：2021-09-13 19:59

　　發(fā)音特征指的是人類語音產(chǎn)生過程中舌頭、牙齒、嘴唇等發(fā)音器官的位置和運(yùn)動(dòng)特征。發(fā)音特征描述層次化語音產(chǎn)生過程中的生理層信息,與聲學(xué)特征緊密相關(guān),同時(shí)又具有物理意義明確、受環(huán)境噪聲影響小等優(yōu)點(diǎn)。因此,近年來結(jié)合發(fā)音特征的語音信號(hào)處理方法受到了廣泛的研究關(guān)注。本文圍繞結(jié)合發(fā)音特征的語音生成方法開展研究,重點(diǎn)關(guān)注發(fā)音特征到聲學(xué)特征轉(zhuǎn)換與結(jié)合發(fā)音特征的統(tǒng)計(jì)參數(shù)語音合成兩個(gè)任務(wù)。發(fā)音特征到聲學(xué)特征轉(zhuǎn)換旨在建立發(fā)音特征到聲學(xué)特征的映射關(guān)系,實(shí)現(xiàn)在只使用發(fā)音特征的情況下生成自然可懂的語音信號(hào)。該技術(shù)在靜默語音接口、可控語音合成、話者與口音轉(zhuǎn)換等方面有著應(yīng)用價(jià)值�，F(xiàn)階段該技術(shù)研究主要集中于發(fā)音特征到反映聲道濾波器特性的頻譜特征的轉(zhuǎn)換,對于發(fā)音特征到聲源激勵(lì)相關(guān)的能量、清濁判決、基頻等聲學(xué)特征轉(zhuǎn)化方法的研究較為缺乏。此外,已有研究工作主要使用混合高斯模型（Gaussian mixture model,GMM）建立發(fā)音特征到聲學(xué)特征的映射關(guān)系,也存在建模精度不足以及生成語音質(zhì)量不高的問題。結(jié)合發(fā)音特征的統(tǒng)計(jì)參數(shù)語音合成旨在將發(fā)音特征融入統(tǒng)計(jì)參數(shù)語音合成的聲學(xué)建模,改善從文本預(yù)測聲學(xué)特征的精度與合成語音的自然... 

【文章來源】：中國科學(xué)技術(shù)大學(xué)安徽省 211工程院校 985工程院校

【文章頁數(shù)】：106 頁

【學(xué)位級別】：博士

【部分圖文】：

圖１．２發(fā)首爺官７Ｆ意圖（蔡明綺，２０１５）

第１章緒?論??ｆｗｌｒｉｒ＇￣??＾＾ｖＰｉａａＢｌ??圖１．３?ＥＭＡ數(shù)據(jù)采集過程（蔡明琦，２０１５）。??說話人攝像機(jī)??ＩＤ????｜?口?唇部正面圖像?＾??｜超纖頭一Ｉｌｆ酬聲像帶Ｉ??圖１．４超聲波及光學(xué)成像數(shù)據(jù)采集過程。??？超聲波及光學(xué)成像（ｕｌｔｒａｓｏｕｎｄ?ａｎｄ?ｏｐｔｉｃａｌ?ｉｍａｇｉｎｇ）?（Ｈｕｅｂｅｒ?ｅｔ?ａｌ．，２０１６）。??圖１．４展示了這項(xiàng)技術(shù)采集發(fā)音特征時(shí)的場景。這里使用了光學(xué)攝像頭用于??拍攝說話人正面嘴唇部分的運(yùn)動(dòng)，對于肉眼看不見的口腔、鼻腔以及聲帶??等部位使用超聲波成像技術(shù)來拍攝。這項(xiàng)技術(shù)的優(yōu)點(diǎn)在于無背景噪聲干擾??且對說話人無任何妨礙，缺點(diǎn)在于時(shí)間和空間分辨率相對較低。??？核磁共振成像（ｆｕｎｃｔｉｏｎａｌ?ｍａｇｎｅｔｉｃ?ｒｅｓｏｎａｎｃｅ?ｉｍａｇｉｎｇ，?ｆＭＲＩ）?（Ｎａｒａｙａｎａｎ??ｅｔａｌ．，２０１１）。這項(xiàng)技術(shù)利用核磁共振對說話人側(cè)方中剖面進(jìn)行成像，優(yōu)??．?點(diǎn)在于對發(fā)音器官信息記錄較為全面，缺點(diǎn)在于錄制時(shí)背景噪聲較大，時(shí)??域分辨率相對不高等。??？肌電描記法（ＥｌｅｃｔｒｏＭｙｏＧｒａｐｈｙ，ＥＭＧ）?（Ｓｃｈｕｌｔｚ?ｅｔａｌ．，?２０１０）。這項(xiàng)技術(shù)使??３??

ＩＤ????｜?口?唇部正面圖像?＾??｜超纖頭一Ｉｌｆ酬聲像帶Ｉ??圖１．４超聲波及光學(xué)成像數(shù)據(jù)采集過程。??？超聲波及光學(xué)成像（ｕｌｔｒａｓｏｕｎｄ?ａｎｄ?ｏｐｔｉｃａｌ?ｉｍａｇｉｎｇ）?（Ｈｕｅｂｅｒ?ｅｔ?ａｌ．，２０１６）。??圖１．４展示了這項(xiàng)技術(shù)采集發(fā)音特征時(shí)的場景。這里使用了光學(xué)攝像頭用于??拍攝說話人正面嘴唇部分的運(yùn)動(dòng)，對于肉眼看不見的口腔、鼻腔以及聲帶??等部位使用超聲波成像技術(shù)來拍攝。這項(xiàng)技術(shù)的優(yōu)點(diǎn)在于無背景噪聲干擾??且對說話人無任何妨礙，缺點(diǎn)在于時(shí)間和空間分辨率相對較低。??？核磁共振成像（ｆｕｎｃｔｉｏｎａｌ?ｍａｇｎｅｔｉｃ?ｒｅｓｏｎａｎｃｅ?ｉｍａｇｉｎｇ，?ｆＭＲＩ）?（Ｎａｒａｙａｎａｎ??ｅｔａｌ．，２０１１）。這項(xiàng)技術(shù)利用核磁共振對說話人側(cè)方中剖面進(jìn)行成像，優(yōu)??．?點(diǎn)在于對發(fā)音器官信息記錄較為全面，缺點(diǎn)在于錄制時(shí)背景噪聲較大，時(shí)??域分辨率相對不高等。??？肌電描記法（ＥｌｅｃｔｒｏＭｙｏＧｒａｐｈｙ，ＥＭＧ）?（Ｓｃｈｕｌｔｚ?ｅｔａｌ．，?２０１０）。這項(xiàng)技術(shù)使??３??

【參考文獻(xiàn)】：
博士論文
[1]融合發(fā)音機(jī)理的統(tǒng)計(jì)參數(shù)語音合成方法研究[D]. 蔡明琦.中國科學(xué)技術(shù)大學(xué) 2015
[2]基于隱馬爾科夫模型的語音合成技術(shù)研究[D]. 吳義堅(jiān).中國科學(xué)技術(shù)大學(xué) 2006



本文編號(hào)：3395249