專利名稱：計(jì)算機(jī)語音信號(hào)的發(fā)音合成方法
傳統(tǒng)的計(jì)算機(jī)由于受到其中央處理器的速度限制和存儲(chǔ)裝置(如硬盤等)的存儲(chǔ)容量限制，計(jì)算機(jī)語音合成的運(yùn)算法及所使用的基本合成單元較簡單，致使所合成出文字語音的效果與原聲相距甚遠(yuǎn)，雖有部分業(yè)者為獲得較符合原聲效果的語音而設(shè)計(jì)有許多新的運(yùn)算法，可是，至今不僅仍不能徹底解決問題，甚至語音效果上亦無明顯的改善。
由于現(xiàn)今計(jì)算機(jī)科技在相關(guān)硬件設(shè)備迅速進(jìn)步之情形下，為設(shè)計(jì)者提供了更快的處理器及更大的存儲(chǔ)空間，因此，對(duì)于語音合成技術(shù)而言，設(shè)計(jì)者不僅可采用復(fù)雜的合成和壓縮運(yùn)算法，且用來合成語音的單元也可更大，從而使這些單元中包含更多的語音信息，所以現(xiàn)今計(jì)算機(jī)科技確實(shí)塑造了一個(gè)極佳的設(shè)計(jì)環(huán)境。雖然如此，現(xiàn)今語音合成技術(shù)在制作合成語音時(shí)卻仍存在著發(fā)音失真的問題，這種失真問題主要是由語音合成技術(shù)中的語音合成運(yùn)算法及壓縮運(yùn)算法所造成。
以英文單詞“HELLO”為例，傳統(tǒng)的語音合成技術(shù)在針對(duì)英文單詞找出其國際音標(biāo)<halo>后，首先按照傳統(tǒng)的切分方法切分出<h>、<a>、<l>及<o>等組成音素，并找出其分界點(diǎn)，根據(jù)這些音素從相關(guān)的發(fā)音數(shù)據(jù)庫中提取相關(guān)的發(fā)音，但實(shí)際上在這些音素相互合并連接時(shí)，由于各音素間交互影響，并不存在分界段，而存在一個(gè)交互影響的區(qū)段，且按采樣點(diǎn)分?jǐn)嘁羲?，必然?dǎo)致音素不純，不純的音素在連接時(shí)，自然清晰度低、噪音大、聲音粗糙且機(jī)器聲明顯。
因此，本發(fā)明的目的在于提供一種計(jì)算機(jī)語音信號(hào)的發(fā)音合成方法，通過本發(fā)明的方法，能有效提高單詞合成的準(zhǔn)確率，令其發(fā)音產(chǎn)生更接近真人說話的效果，并有效增加合成發(fā)音的作業(yè)速度，從而克服上述傳統(tǒng)方法對(duì)英語單詞進(jìn)行計(jì)算機(jī)語音合成處理時(shí)所產(chǎn)生的各種缺點(diǎn)。
本發(fā)明的計(jì)算機(jī)語音信號(hào)的發(fā)音合成方法包括首先將單詞的真人正確發(fā)音輸入語音接收裝置，該單詞的語音信號(hào)經(jīng)模/數(shù)轉(zhuǎn)換器采樣處理后，產(chǎn)生該單詞的數(shù)字語音數(shù)據(jù)；經(jīng)由聲音編輯器，該數(shù)據(jù)按各元音或子音的位置及其與前后元音或子音間之相互影響關(guān)系，由相鄰兩個(gè)音節(jié)中前一個(gè)音節(jié)中間位置至后一個(gè)音節(jié)中間位置的過渡部分，切分出一個(gè)以上的雙音素；根據(jù)所切分出的各雙音素，通過音質(zhì)校正裝置適當(dāng)調(diào)整不同單詞中相同雙音素的語音信號(hào)，并將該雙音素的語音信號(hào)錄制成發(fā)音數(shù)據(jù)庫，從而使發(fā)音數(shù)據(jù)庫中所采集的雙音素更適合作為合成不同單詞語音時(shí)的基本單元；在利用雙音素合成單詞語音時(shí)，首先由計(jì)算機(jī)讀入單詞，通過分析單詞得到其對(duì)應(yīng)的國際音標(biāo)，再將所對(duì)應(yīng)的國際音標(biāo)分解成雙音素，并經(jīng)轉(zhuǎn)換為雙音素序號(hào)后，計(jì)算機(jī)即按照該序號(hào)自所錄制成的發(fā)音數(shù)據(jù)庫中提取相對(duì)應(yīng)的數(shù)字語音信號(hào)，并借助解壓縮程序予以解壓縮，以取得該雙音素的語音信號(hào)，然后再將所取得的語音信號(hào)合并，并經(jīng)平滑處理，從而合成該單詞的正確發(fā)音。


圖1所示是本發(fā)明中采集雙音素單元的流程示意圖；圖2是說明本發(fā)明的雙音素單元分析構(gòu)成的示意圖；圖3所示是本發(fā)明利用雙音素單元合成單詞發(fā)音的流程示意圖；圖4和5是母音“O”的波形圖和對(duì)應(yīng)的能量譜；圖6和7是經(jīng)過降調(diào)處理后的母音“O”的波形圖和對(duì)應(yīng)的能量譜。
以下，將結(jié)合附圖詳細(xì)敘述本發(fā)明的一個(gè)較佳實(shí)施例。
本發(fā)明主要在于利用雙音素作為英語單詞合成發(fā)音的基本單元，其中所謂雙音素是指英語單詞中相鄰兩個(gè)音節(jié)的過渡部分，亦即英語單詞的相鄰兩個(gè)音節(jié)中由前一個(gè)音節(jié)中間位置至后一個(gè)音節(jié)中間位置的過渡部分，如以單詞“HELLO”為例，其國際音標(biāo)為<halo>，則該單詞中相鄰兩個(gè)音節(jié)的過渡部分表示如下

其中*符號(hào)代表空音或靜音。若以國際音標(biāo)表示，則該單詞“HELLO”即系由<*h>、<ha>、<al>、<lo>及<o*>等雙音素所組成。
由此可知，英語單詞的發(fā)音即由各雙音素單元所組成，而采集雙音素之方法，參見第1圖所示，主要是先將單詞經(jīng)由真人以正確發(fā)音輸入語音接收裝置，單詞的語音信號(hào)經(jīng)模/數(shù)轉(zhuǎn)換器的采樣處理后，產(chǎn)生該單詞的數(shù)字語音數(shù)據(jù)，該數(shù)據(jù)再經(jīng)聲音編輯器按照本發(fā)明方法進(jìn)行切分處理，以切分出組成該單詞語音信號(hào)的雙音素。由于不同單詞中相同雙音素在發(fā)音上仍可能存在有若干差異，因而，借助音質(zhì)校正裝置適當(dāng)調(diào)整不同單詞中相同雙音素的語音信號(hào)，就可使所獲得的雙音素能更適用于合成不同單詞語音時(shí)的基本單元。最后，再將所采集的各雙音素利用錄音及壓縮技術(shù)將其錄制于一發(fā)音數(shù)據(jù)庫中，在合成語音時(shí)，即可利用該發(fā)音數(shù)據(jù)庫中的雙音素，以合成單詞的正確發(fā)音。
本發(fā)明依據(jù)前述雙音素原理可由8萬個(gè)英語單詞中歸納出約1600個(gè)雙音素，并利用這些雙音素合成單詞的發(fā)音，因此，欲針對(duì)英語單詞合成出更逼近真人發(fā)音效果的計(jì)算機(jī)語音，應(yīng)完全取決于這些雙音素之采集方式。因此，如何獲得所需之雙音素，將是決定本發(fā)明雙音素合成法中合成音質(zhì)好壞的關(guān)鍵，所以，在利用語音合成及錄音技術(shù)錄制雙音素的發(fā)音數(shù)據(jù)庫時(shí)，必需適當(dāng)控制雙音素的音速(發(fā)音的長短)與音量。
本發(fā)明的雙音素單元主要由英語國際音標(biāo)最基本的母音和子音所組成，其組成方式包括子母音、母子音、母母音及子子音等組成方式，其中母音也稱元音，子音也稱輔音，一般來說，母音與子音各有其發(fā)音特色，母音振幅較大，波形較有規(guī)則，周期亦較明顯，于音振幅小，波形不規(guī)則，周期較無規(guī)律性。
然而，無論是子音或母音，其振幅仍大致有一個(gè)由低而高，由高而低的變化過程，因而在本發(fā)明中為保證所采樣的雙音素有足夠的變化幅度及相關(guān)性，在選擇用來切分雙音素的語音段時(shí)，應(yīng)按以下步驟進(jìn)行(參見圖2)1)先準(zhǔn)備一個(gè)大容量的語音庫，并得出與其對(duì)應(yīng)的參數(shù)信息-音素編號(hào)(PhonemeLabel)，音調(diào)級(jí)別(PitchLevel)，能量級(jí)別(PowerLevel)。
2)對(duì)語音庫進(jìn)行LPC(16階)頻譜分析。
3)對(duì)相同音素編號(hào)的語音段計(jì)算出平均頻譜特性，所得結(jié)果的平均值A(chǔ)verageK為各頻譜參數(shù)的加權(quán)和。
4)以頻譜特性最接近AverageK的語音段作為合成單元數(shù)據(jù)。
5)在選定語音段后，開始切分雙音素。
在切分雙音素時(shí)，必須依據(jù)下列規(guī)則
1)自前一個(gè)音節(jié)的波峰切分到后一個(gè)音節(jié)的波峰。
2)由于英語單詞是由幾個(gè)雙音素拼接而成，因此，每個(gè)雙音素的幅度、長度必需十分相當(dāng)。
3)為令雙音素在拼接時(shí)保持其周期的完整，切分雙音素開始和結(jié)束的兩端均為波形周期起始點(diǎn)，意即組成該雙音素的單音素兩端為波形周期起始點(diǎn)，且其波形相接點(diǎn)必須相位相同。否則，若前一音素以正變化率上升，第二音素馬上以負(fù)變化率連接，則將出現(xiàn)雜音。
4)不同雙音素的同一音節(jié)應(yīng)有大致相同的周期，因此，將這些雙音素拼接時(shí)，語調(diào)才會(huì)統(tǒng)一。
與傳統(tǒng)使用的半音素和單音素相比，本發(fā)明之雙音素由于是從英語單詞中各音節(jié)的平穩(wěn)段切分下來的，因而可最大程度地保留英語單詞中各音節(jié)間的變化信息，因此，利用本發(fā)明將可針對(duì)英語單詞合成出更逼近真人發(fā)音的計(jì)算機(jī)語音。
以英語單詞“HELLO”為例，本發(fā)明的雙音素切分是按照下列步驟進(jìn)行的1)首先，針對(duì)該英語單詞“HELLO”找出其正確的國際音標(biāo)<halo>；2)再根據(jù)該國際音標(biāo)<halo>各元音或子音的位置及其與前后元音或子音間的相互影響關(guān)系，按照讀音規(guī)則切分成<*h>、<ha>、<al>、<lo>及<o*>等區(qū)段，其中符號(hào)*代表空音或靜音，而所切分出的<*h>、<ha>、<al>、<lo>及<o*>等區(qū)段，即本發(fā)明所稱的雙音素。
特別需要注意的是，各區(qū)段的切分點(diǎn)是在純音素的平穩(wěn)段中點(diǎn)，如此，將該區(qū)段的發(fā)音拼接合成時(shí)，由于是以同一個(gè)音素連接，所以，連接比較平穩(wěn)。
本發(fā)明在利用雙音素合成單詞語音時(shí)，其處理步驟參見圖3所示，首先，由計(jì)算機(jī)讀入單詞，通過分析單詞得到其對(duì)應(yīng)的國際音標(biāo)，再將所對(duì)應(yīng)的國際音標(biāo)分解成雙音素，并經(jīng)轉(zhuǎn)換為雙音素序號(hào)后，計(jì)算機(jī)即依雙音素序號(hào)自本發(fā)明所錄制成之發(fā)音數(shù)據(jù)庫中檢索相對(duì)應(yīng)的語音數(shù)字編碼信號(hào)。若檢索到，則提取所尋得的數(shù)字信號(hào)，并借助解壓縮程序予以解壓縮，以取得雙音素的語音數(shù)據(jù)，然后，將所取得的語音數(shù)據(jù)予以合并，再經(jīng)平滑處理，即合成該單詞的正確發(fā)音。
例如，將這些數(shù)據(jù)合并后所得到的、合并的語音信號(hào)稱為S(i)，對(duì)S(i)做均值平滑濾波處理。取該信號(hào)中鄰近3幀(一幀指一個(gè)采樣周期)做計(jì)算當(dāng)前幀的語音信號(hào)S(i)＝A1S(p)+A2S(i)+A3S(s)。
A1，A2，A3-加權(quán)系數(shù)S(p)-前一幀語音數(shù)據(jù)S(s)-后一幀語音數(shù)據(jù)由于語音信號(hào)是以脈沖編碼調(diào)制(PCM)為基礎(chǔ)的音調(diào)同步差分編碼PSDC(Pitch Synchronized Differential Coding)，合成時(shí)可方便地實(shí)現(xiàn)音調(diào)控制。將語音信號(hào)由周期長度Torg調(diào)整到目標(biāo)周期長度Ttar時(shí)，使用一個(gè)長度為T＝2Torg的哈明窗Hamming window W(i)，變換后信號(hào)S(i)＝W(i)S(i)+W(T/2-i)S(i+a)，其中a＝Ttar-Torg。為避免合成語音質(zhì)量變壞，限制Torg/2＜Ttar＜2Torg。
圖4，5為母音“O”的波形圖和對(duì)應(yīng)的能量譜。
圖6，7為經(jīng)降調(diào)處理后的母音“O”的波形圖和對(duì)應(yīng)的能量譜，與圖4，5對(duì)比可看出，變換后的信號(hào)保留了原信號(hào)所有頻帶的語音特性，失真很小。
仍以單詞“HELLO”為例，其所對(duì)應(yīng)的國際音標(biāo)為<halo>，本發(fā)明在利用雙音素合成單詞語音時(shí)，系按以下步驟1)先將該音標(biāo)<halo>切分出<*h>、<he>、<el>、<lo>及<o*>等雙音素；2)再按照各雙音素對(duì)應(yīng)至發(fā)音數(shù)據(jù)庫中的雙音素序號(hào)12、19、23、33及78等，從該發(fā)音數(shù)據(jù)庫中提取這些雙音素的數(shù)字語音信號(hào)；3)再借助解壓縮程序就所提取的數(shù)字語音信號(hào)予以解壓縮，以取得雙音素的語音信號(hào)，然后，將所取得之語音信號(hào)予以合并，再經(jīng)平滑處理，即合成該單詞的正確發(fā)音。
以上所述，僅是本發(fā)明的一個(gè)較佳實(shí)施例，正因如此，本發(fā)明的權(quán)利要求范圍并不局限于此，凡是本領(lǐng)域的熟練技術(shù)人員，依據(jù)本發(fā)明所公開的技術(shù)內(nèi)容所作出的修改和等效變化，均應(yīng)不脫離本發(fā)明的保護(hù)范圍。
權(quán)利要求
1.一種計(jì)算機(jī)語音信號(hào)的發(fā)音合成方法，包括首先將單詞的真人正確發(fā)音輸入語音接收裝置，該單詞的語音信號(hào)經(jīng)模/數(shù)轉(zhuǎn)換器采樣處理后，產(chǎn)生該單詞的數(shù)字語音數(shù)據(jù)；經(jīng)由聲音編輯器，該數(shù)據(jù)按各元音或子音的位置及其與前后元音或子音間之相互影響關(guān)系，由相鄰兩個(gè)音節(jié)中前一個(gè)音節(jié)中間位置至后一個(gè)音節(jié)中間位置的過渡部分，切分出一個(gè)以上的雙音素；根據(jù)所切分出的各雙音素，通過音質(zhì)校正裝置適當(dāng)調(diào)整不同單詞中相同雙音素的語音信號(hào)，并將該雙音素的語音信號(hào)錄制成發(fā)音數(shù)據(jù)庫，從而使發(fā)音數(shù)據(jù)庫中所采集的雙音素更適合作為合成不同單詞語音時(shí)的基本單元；在利用雙音素合成單詞語音時(shí)，首先由計(jì)算機(jī)讀入單詞，通過分析單詞得到其對(duì)應(yīng)的國際音標(biāo)，再將所對(duì)應(yīng)的國際音標(biāo)分解成雙音素，并經(jīng)轉(zhuǎn)換為雙音素序號(hào)后，計(jì)算機(jī)即按照該序號(hào)自所錄制成的發(fā)音數(shù)據(jù)庫中提取相對(duì)應(yīng)的數(shù)字語音信號(hào)，并借助解壓縮程序予以解壓縮，以取得該雙音素的語音信號(hào)，然后再將所取得的語音信號(hào)合并，并經(jīng)平滑處理，從而合成該單詞的正確發(fā)音。
2.如權(quán)利要求1所述的計(jì)算機(jī)語音信號(hào)的發(fā)音合成方法，其特征在于，其中雙音素的切分可由前一個(gè)音節(jié)的波峰切分到后一個(gè)音節(jié)的波峰。
3.如權(quán)利要求1所述的計(jì)算機(jī)語音信號(hào)的發(fā)音合成方法，其特征在于，所述雙音素的幅度、長度必須相當(dāng)。
4.如權(quán)利要求1所述的計(jì)算機(jī)語音信號(hào)的發(fā)音合成方法，其特征在于，其中組成所述雙音素的單音素的兩端為波形周期起始點(diǎn)，且其波形相接點(diǎn)必須相位相同。
5.如權(quán)利要求1所述的計(jì)算機(jī)語音信號(hào)的發(fā)音合成方法，其特征在于，其中不同雙音素的同一音節(jié)，應(yīng)有大致相同的周期。
全文摘要
本發(fā)明為一種計(jì)算機(jī)語音信號(hào)的發(fā)音合成方法,主要利用英語單詞中的相鄰兩個(gè)音節(jié)中由前一個(gè)音節(jié)中間位置至后一個(gè)音節(jié)中間位置的過渡部分,作為英語單詞合成發(fā)音的雙音素。相對(duì)于傳統(tǒng)使用的半音素和單音素而言,由于雙音素是從英語單詞中各音節(jié)的平穩(wěn)段切分下來的,因而可最大程度地保留英語單詞中各音節(jié)間的變化信息,因此,通過本發(fā)明將可針對(duì)英語單詞合成出更逼近真人發(fā)音效果的計(jì)算機(jī)語音。
文檔編號(hào)G06F17/00GK1196531SQ9711008
公開日1998年10月21日 申請日期1997年4月14日 優(yōu)先權(quán)日1997年4月14日
發(fā)明者張景嵩, 曹洪, 張金玉 申請人:英業(yè)達(dá)股份有限公司