語音合成技術(shù)的發(fā)展歷程與理論研究

王順利　付嘉銘　夏長(zhǎng)春

摘 要 近年來，語音合成技術(shù)中的波形拼接算法被廣泛地運(yùn)用在各個(gè)國(guó)家的技術(shù)前沿。大多數(shù)的實(shí)驗(yàn)研究結(jié)果表明波形拼接算法具有可靠的實(shí)用性，所以在市場(chǎng)中已經(jīng)具有許多語音合成產(chǎn)品，這些產(chǎn)品對(duì)人們的日常生活和工作的各個(gè)方面有很大的影響。

關(guān)鍵詞 語音合成 發(fā)音 自然度 時(shí)域波形 語音庫

中圖分類號(hào)：TN912 文獻(xiàn)標(biāo)識(shí)碼：A

1語音合成技術(shù)的發(fā)展歷程

隨著語音合成的要求越來越高，語音學(xué)家對(duì)語音合成的研究技術(shù)不斷更新。早期研究利用合成語音的參數(shù)方法，以提高它的LSP，LPC和其他言語參數(shù)。這些都反映在越來越多和越來越嚴(yán)格的語音合成系統(tǒng)應(yīng)用，現(xiàn)在不僅對(duì)語音合成有連貫性的要求，而且還有更高的需求。

上世紀(jì)60年代TTS英文版系統(tǒng)被成功研制。在80年代，我國(guó)也開始研究中文TTS。中國(guó)科技大學(xué)，社會(huì)科學(xué)院，中國(guó)科學(xué)院，清華大學(xué)等所有單位都在TTS的研究領(lǐng)域中不懈努力奮斗。不僅如此，在中國(guó)臺(tái)灣的著名大學(xué)，如臺(tái)灣大學(xué)和臺(tái)灣交通大學(xué)也開始在語音系統(tǒng)領(lǐng)域中研究。甚至一些研究成果已成為產(chǎn)品在現(xiàn)實(shí)中使用。同時(shí)，在世界主要國(guó)家也已經(jīng)開發(fā)相應(yīng)的產(chǎn)品。

上世紀(jì)80年代后期和，科學(xué)家就開始對(duì)修改語音合成技術(shù)的時(shí)域波形進(jìn)行研究，即PSOLA（基音同步疊加）技術(shù)。其主要特點(diǎn)是：在銜接語音波形段，首先按照上下文，根據(jù)拼接單元與PSOLA算法調(diào)整的韻律特征，合成波形不僅保持主音發(fā)音段的功能，并能與環(huán)境做出韻律特征的拼接單元，從而獲得可懂度和自然度很高的合成語音。PSOLA技術(shù)有了很大的發(fā)展和廣泛的應(yīng)用。為了提高合成語音的質(zhì)量，人們開發(fā)了語音波形拼接技術(shù)，該技術(shù)主要用于一些語音信號(hào)的參數(shù)如音高，而不是語音參數(shù)波形。這項(xiàng)技術(shù)能合成出更加自然的語音。

在上世紀(jì)90年代，比LPC語音合成技術(shù)和共振峰技術(shù)更優(yōu)越的技術(shù)已經(jīng)誕生，利用該項(xiàng)技術(shù)合成的中文與英文顯得更加自然，并已經(jīng)被廣泛應(yīng)用于商業(yè)領(lǐng)域。近年來，人們?cè)谘芯客ㄟ^數(shù)據(jù)庫建立的語音合成算法。只要應(yīng)用數(shù)據(jù)庫就可以進(jìn)行基本的語音單元合成，可以更方便的進(jìn)行語音信號(hào)的拼接合成。對(duì)于確定合成語音質(zhì)量，語音庫中起著非常重要的作用。多種感情的語音單元是各種情況下語音數(shù)據(jù)庫的唯一入口，從而合成了一種任意語句。因此，語音數(shù)據(jù)庫的容量必須足夠大。這種合成語音的自然度將有較大的升級(jí)。

現(xiàn)在，隨著語言學(xué)的不斷發(fā)展，語音合成技術(shù)已經(jīng)從最初對(duì)語音內(nèi)容清晰度和連貫性的要求，逐漸演變成對(duì)語音的自然特性的高度追求。如何將合成后的語音顯得自然是科學(xué)家們?cè)絹碓疥P(guān)注的話題，但現(xiàn)在的語音技術(shù)仍不能滿足人們的需求，因此，目前眾多產(chǎn)品制造商正在對(duì)語音合成自然度不斷創(chuàng)新。所以。語音合成在未來具有更大的商業(yè)市場(chǎng)和機(jī)會(huì)。世界各個(gè)主要國(guó)家都對(duì)語音合成技術(shù)做了集中的大量研究，技術(shù)已經(jīng)達(dá)到了一個(gè)較高的水平，雖然我國(guó)現(xiàn)在語音合成技術(shù)較為弱后，但在不久的將來，隨著國(guó)家對(duì)語音技術(shù)的重視程度將會(huì)不斷提高，人們對(duì)語音的自然度要求就會(huì)有更高的重視程度，中國(guó)將有越來越多的企業(yè)和部門從事語音合成技術(shù)的研究。我國(guó)將在語音合成方面將會(huì)和國(guó)外長(zhǎng)期競(jìng)爭(zhēng)，并會(huì)在這樣一個(gè)良性的競(jìng)爭(zhēng)中獲得更加先進(jìn)的技術(shù)。

2語音合成技術(shù)的理論

語音合成技術(shù)已越來越多地在現(xiàn)代社會(huì)中得以應(yīng)用，大大提高了人民的生活質(zhì)量。如電話號(hào)碼查詢，計(jì)算機(jī)應(yīng)用，旅行的火車與飛機(jī)班次語音查詢等。

語音合成是利用語音處理技術(shù)來建立數(shù)字語音模型，模型首先通過激勵(lì)信號(hào)，在人體器官中傳遞聲音，隨后發(fā)出聲音。語音合成技術(shù)可以根據(jù)不同的規(guī)則分為不同的類型，如信道模型參數(shù)法，語音參數(shù)法和波形拼接法。波形拼接法是銜接語音信號(hào)和易懂的語音信號(hào)，從而合成信號(hào)強(qiáng)度和自然度高的語音信號(hào)。

LPC技術(shù)是將時(shí)域中的信號(hào)在保證傳輸率的基礎(chǔ)上，來完善時(shí)域波形的技術(shù)處理方法。LPC技術(shù)的優(yōu)點(diǎn)和缺點(diǎn)非常清晰，它具備簡(jiǎn)潔和易于處理的算法，然而它僅僅是一個(gè)簡(jiǎn)單的解碼語音信號(hào)，只能實(shí)現(xiàn)一定程度上的語音連接。同時(shí)，波形拼接技術(shù)的最大特征是利用一些語音波形的數(shù)據(jù)來存儲(chǔ)所有相關(guān)的語音信息，所以對(duì)語音自然度的提升將起到很大的作用。但要合成單音節(jié)或充滿感情的語句有在有些情況時(shí)是很難妥善處理的，如果單獨(dú)的音節(jié)或詞在充滿感情的語句中進(jìn)行處理，顯然其綜合素質(zhì)將受到一定的影響。

上個(gè)世紀(jì)末，科學(xué)家們提出了一個(gè)語音波形拼接的有效方法，即基音同步疊加技術(shù)（PSOLA），可以解決上述問題，給語音處理技術(shù)帶來了一股新鮮血液。該技術(shù)主要是對(duì)語音信號(hào)的持續(xù)時(shí)間，強(qiáng)度，頻率，時(shí)間等參數(shù)進(jìn)行控制。而這些語音信號(hào)參數(shù)的改善對(duì)語音信號(hào)處理非常重要。所以LPC技術(shù)與PSOLA技術(shù)在控制韻律詞的修飾方面有更多的優(yōu)點(diǎn)，通過該項(xiàng)技術(shù)合成的語音在自然度等各方面比其他合成方法都更要出色。

參考文獻(xiàn)

[1] 陳靜，李薇，崔忠偉，劉霞.？語音合成技術(shù)的研究及其發(fā)展[J].中國(guó)科技信息.2007（14）.

[2] 黨建成，周晶.？語音合成技術(shù)及其應(yīng)用[J].計(jì)算機(jī)與信息技術(shù).2007（06）.