改进的HMM系统在英语语音合成中的研究_张雪英

　　第４３卷　第１期２０１２年１月

　　太原理工大学学报

　　ＯＵＲＮＡＬＯＦＴＡＩＹＵＡＮ　ＵＮＩＶＥＲＳＩＴＹＯＦＴＥＣＨＮＯＬＯＧＹＪ

　　ｏｌ．４３Ｎｏ．１Ｖ

　　ａｎ．２０１２　Ｊ

　　

　　（）９００００７４３２２０１２０１０１６４１文章编号：－－－

　　改进的ＨＭＭ系统在英语语音合成中的研究

　　张雪英，陈　洁，孙　颖

　　）（太原０太原理工大学信息工程学院，３００２４

　　摘　要：根据英语语言所具有的一些特性对ＨＭＭ模型进行改进，设计出适合英语语音合成的上下文属性集以及用于模型聚类的问题集，提高了其建模和训练效果。此外，借助ＨＴＫ和以基频和声道谱参数为训练参数，最终实现此英语语音合成系统。从所合成语句Ｆｅｓｔｉｖａｌ等工具，的效果来看，合成语音整体稳定流畅，而且节奏感比较强。

　　关键词：语音信号处理；可训练语音合成；英语合成ＨＭＭ；中图分类号：ＴＰ３９　文献标识码：Ａ

　　语音合成的目的是建立一个有讲话能力的计算

　　机系统，以实现真正意义上的人机交互。基于大语

　　１］

　　是近年来语音合成中的主流料库的拼接合成方法［

　　下文相关因素，对声道谱、基频和时长进行建模。本系统利用ＨＴＫ进行训练。在合成部分，首先对输

　　入的文本进行文本分析后，转化为与文本相

　　关的标

　　方法。其基本原理是根据输入文本分析得到的信息，从预先录制和标注好的语音库中挑选合适的单元，然后拼接得到最终的合成语音。虽然大语料库拼接合成系统保持了原始发音人的音质，但也存在不少缺陷，比如：合成语音的效果不够稳定，音库构建周期太长以及合成系统的可扩展性较差等，这些缺陷明显限制了它在多样化语音合成方面的应用。

　　２］

　　（的可因此，近年来基于隐马尔可夫模型［ＨＭＭ）

　　训练语音合成方法被提出并逐渐得到应用。基于ＨＭＭ的语音合成系统对语音参数进行

　　建模，然后利用音库数据进行自动训练，并最终形成

　　３］

　　。与现在大语料库拼接合成一个相应的合成系统［

　　相比，其优势就在于可以在短时间内，基本不需要人工干预的情况下自动构建一个新的系统，而且整个训练过程基本上是不依赖于发音人、发音风格以及情感等因素。笔者研究了基于ＨＭＭ的可训练语

　　音合成方法，并将其原理应用到英语合成中。

　　图１　基于ＨＭＭ语音合成流程

　　注序列，通过在此基础上，利用上下文相关ＨＭＭ，

　　［］

　　从而确定了各音素的合Ｓ４－５构建句子ＨＭＭ，ＨＴ

　　６］

　　合成出语音。成参数，最后通过参数合成器［

　　１　基于ＨＭＭ的可训练语音合成系统

　　概述

　　图１是基于ＨＭＭ的语音合成系统的基本框图，它包括训练和合成两个部分。在训练部分，首先，从语料库中提取谱参数和基频参数，然后利用上

　　２　英语语音标注

　　模型训练前有一个重要的部分就是对上下文属

　　７］

　　，即根性集和用于决策树聚类的问题集进行设计［

　　据先验知识来选择一些对声学参数（能量、基频和时长）有一定影响的上下文属性，并设计相应的问题

　　收稿日期：０００１１９６２－－

　　）；）山西省国际科技合作项目（山西省自然科学基金（０－１２０１１０８１０４７２０１００１１０２　基金项目：

　　），（女，河北行唐县人，张雪英（教授，博导，主要从事语音信号处理研究，９６４－）ｅｌ１３０１５４７５３７２Ｔ１　作者简介：

　　等：改进的ＨＭＭ系统在英语语音合成中的研究　第１期　张雪英，

　　１７

　　集，以用于上下文相关模型。上下文属性与决策树设计的好坏会直接影响到最后合成语音的效果。因本文对英语的发音及语法特点进行了深入的研此，

　　究，设计了与之对应的上下文属性集和问题集。２．１　音节

　　音节是读音的基本单位，任何单词的读音，都是分解为一个个音节朗读。在英语中元音特别响亮，一个元音可构成一个音节，一个元音和一个或几个辅音不响亮，不辅音音素结合也可以构成一个音节；

　　，能构成音节。但英语辅音字母中有４个辅音［ｍ］］，［］，［］［是响音，它们和辅音音素结合，也可构ｎｎｌｇ

　　成音节。它们构成的音节往往出现在词尾，一般是非重读音节。

　　英语单词有一个音节的，两个音节的，多个音节的。只有一个音节的词叫单音节词，如：有ｔａｋｅ拿；两个音节的词叫双音节词，如ｔ包含三个ａ＇ｂｌｅ桌子；如ｐ音节或三个音节以上的词叫多音节词，ｏ＇ｕｌａ＇ｐｔｉｏｎ人口，ｃｏｎｒａｔ＇ｕｌａ＇ｔｉｏｎ祝贺。ｇ

　　２．２　音节划分的方法

　　英语中，元音是构成音节的主体，辅音是音节的分界线，相应的音节划分的规则如下：

　　）两辅音之间不管有多少个元音，一般都是一１

　　个音节。如：ｂｅｄ床，ｂｅｔ打赌，ｓｅａｔ坐位，ｂｅａｔ毒打，ｂｅａｕｔ极好的，ｂｅａｕ＇ｔｙ美。

　　）两元音字母之间有一个辅音字母时，辅音字２母归后一音节。如：ｓｔｕ＇ｄｅｎｔ学生，ｌａ＇ｂｏｕｒ劳动。）有两个辅音字母时，前一个辅音字母归前一３

　　另一个归后一音节。如：音节，ｌｅｔ＇ｔｅｒ信，ｗｉｎ＇ｔｅｒ冬天。

　　）不能拆分的字母组合按字母组合划分音节。４如：ｆａ＇ｔｈｅｒ父亲，ｔｅａ＇ｃｈｅｒ教师。２．３　音节重读规则

　　音节按是否重读可以分为重读音节和非重读音节。重读音节是指在双音节或多音节词中的一个发音特别响亮的音节。欲使合成的语音能更好地被人耳所识别，进行音节划分时就必须考虑音节的重读

　　］８９－

　　。问题［

　　音节重读。

　　）含有－、、重读４ｔｉｏｎｓｉｏｎｓｓｉｏｎ等字母组合时，－－

　　音节为该字母组合前与之紧挨着的那个音节。

　　３　ＨＭＭ可训练合成系统应用于英语

　　合成的改进设计

　　３．１　语音标注

　　欲实现文本到语音的转换，必须对文本进行语音标注。首先需将文本内容按句断开；然后对每一句中的具有独立意义的词进行分隔；分隔出来的独立词再按音节进行划分，进行音节划分时一定要注意重读音节的位置；最后针对每一个音节进行音素切割，判断每个音节内所包含的音素。３．２　上下文相关语法

　　上下文相关语法记录各声学模型合成单元的特征及其与相邻合成单元之间的联系。在训练阶段，建立决策树时应用此语法中所记录的各个信息与问进行资料分群；在合成阶段，则可从题集进行对比，

　　决策树中取得适当的参数，产生平顺的合成语音。）式（是针对英文语音合成系统设计的上下文相关１语法的格式，其中各个符号的定义见表１。

　　＾１３＋４＝５＠７ｐｐ２－ｐｐｐｐ６－ｐ／Ａ：ａ１－ａ２－ａ３

　　／Ｂ：ｂｂｂｂｂｂｂｂｂｂ１－２－３＠ｂ４－５＆６－７＃８－９＄１０－１１！

　　ｂｂｂｂｂ｜１２－１３；１４－１５１６

　　／Ｃ：ｃｃｃ１＋２＋３／Ｄ：ｄｄ１－２

　　／Ｅ：ｅｅｅｅｅｅｅ１＋２＠ｅ３＋４＆５＋６＃７＋８／Ｆ：１－ｆ２ｆ／Ｇ：１－ｇ２ｇ

　　／Ｈ：ｈｈｈｈｈ｜１＝２＠３＝４５／Ｉ：ｉｉ１－２

　　／Ｊ：１＋２－３ｊｊｊ

　　表１　上下文相关语法中各标号的含义

　　标号

　　含义上上个音素上个音素当前音素下个音素下下个音素当前音素的属性上个音节的属性当前音节的属性

　　标号

　　含义下个音节的属性上个词的属性当前词的属性下个词的属性上个短语的属性当前短语的属性下个短语的属性整个语句的属性

　　（）１

　　ｐ１ｐ２ｐ３ｐ４ｐ５ｐｐ６－７ａａ１－３ｂｂ１－１６

　　ｃｃ１－３ｄｄ１－２ｅｅ１－８ｆｆ１－２ｇｇ１－２ｈｈ１－５ｉｉ１－２ｊｊ１－３

　　英语中，判断音节重读的规则如下：

　　）单音节词多是重读音节。１

　　）双音节词的第一个音节通常是重读音节，但２

　　是：含有ａｂｅｄｅｒｅｉｎｅｘ－，－，－，－，－，－等前缀的双音节词往往是在第二个音节重读。

　　但３）多音节词通常在倒数第三个音节重读，

　　，，是：词尾有－在其前一个ｌｃｔｉｏｎｓｉｏｎ等后缀的词，－－

　　３．３　决策树问题集

　　决策树问题集记载了一系列资料分群规则，使能依据问题集进行资得合成系统在建立决策树时，

　　等：改进的ＨＭＭ系统在英语语音合成中的研究　第１期　张雪英，

　　［］］（）：张连海，吴保民．基于ＨＭＭ的英语文语转化系统［３Ｊ．信息工程大学学报，２００８，９１３１３５．　冯志红，－

　　［］，，，４ｅｎＨｅｉａＴａｋａｓｈｉＮｏｓｅＹａｍａｉｓｈｉ．ＴｈｅＨＭＭ－ｂａｓｅｄｓｅｅｃｈｓｎｔｈｅｓｉｓｓｓｔｅｍ（ＨＴＳ）ｖｅｒｓｉｏｎ２．０［Ｃ］ｒｏｃｏｆＩＳＣＡ　Ｚ∥Ｐｇｇｐｙｙ

　　，，ＢｏｎｎＧｅｒｍａｎＧｅｒｍａｎ２００７：２２２４．　－ｙｙ

　　［］’［５Ｘ，ＡＣＥＲＯ　Ａ．ＲｅｃｅｎｔｉｍｒｏｖｅｍｅｎｔｓｏｎＭｉｃｒｏｓｏｆｔｓｔｒａｉｎａｂｌｅｔｅｘｔｔｏｓｅｅｃｈｓｓｔｅｍ－ｗｈｉｓｔｌｅｒＣ］ｒｏｃｏｆＩＣ　ＨＵＡＮＧ－－　∥Ｐ－ｐｐｙ

　　ＡＳＳ，１９９７：９５９９６３．－

　　［］中国科学技术大学，６Ｄ］．合肥：２０１０．　吴义坚．基于隐马尔科夫模型的语音合成技术研究［

　　［］陈祖荫．模式识别：理论、方法和应用［北京：地震出版社，７Ｍ］．１９８９：２３４４．　王碧泉，－

　　［］］（）：８Ｊ．中文信息学报，２００７，５３１２２１２４．　朱维彬．支持重音合成的汉语语音合成系统［－

　　［］］（）：韩纪庆．自然风格语言的汉语重音自动判别研究［９Ｊ．声学学报，２００６，１３２０３２０５．　邵艳波，－１９

　　［］康世胤．一种适合ＨＭＭ汉语语音合成的建模单元挑选算法［１０Ｃ］　段全盛，∥第十届全国人机语音通讯学术会议论文集，

　　２００９：８７８８．－

　　ＳｔｕｄｆｏｒＥｎｌｉｓｈＳｎｔｈｅｓｉｓｗｉｔｈＩｍｒｏｖｅｄＨＭＭＳｎｔｈｅｓｉｓＳｓｔｅｍｓ　ｙｇｙｐｙｙ　

　　，，ＺＨＡＮＧＸｕｅＣＨＥＮＪｉｅＳＵＮＹｉｎｉｎ　－ｇｙｇ

　　（Ｃｏｌｌｅｅ　ＤｅａｒｔｍｅｎｔｏＩｎｏｒｍａｔｉｏｎ　ＥｎｉｎｅｅｒｉｎＴＵＴ，Ｔａｉｕａｎ０３００２４，Ｃｈｉｎａ）　ｇｐｆｆｇｇ，ｙ　

　　：ｒｏｂｌｅｍｓＡｂｓｔｒａｃｔＳｅｅｃｈｓｎｔｈｅｓｉｓｉｓｏｎｅｏｆｔｈｅｋｅｔｏｒｅａｌｉｚｅｈｕｍａｎａｃｈｉｎｅｉｎｔｅｒａｃｔｉｏｎ．　－ｍ　ｐｙｙｐ　

　　，ＴｈｅＨＭＭ－ｂａｓｅｄｓｅｅｃｈｓｎｔｈｅｓｉｓｃｏｕｌｄｃｏｎｓｔｒｕｃｔａｓｎｔｈｅｓｉｓｓｓｔｅｍｉｎｓｕｃｈａｓｈｏｒｔｅｒｉｏｄｓｏ　ｐｙｙｙｐ

　　ｔｏａｃｈｉｅｖｅｔｈｅｏｆｄｉｖｅｒｓｅｓｅｅｃｈｓｎｔｈｅｓｉｓ．ＩｎｔｈｉｓｔｈｅＨＭＭ－ｂａｓｅｄｔｒａｉｎａｂｌｅａｓｕｒｏｓｅａｅｒ　ｐｙｐｐｐｐ

　　ｓｎｔｈｅｓｉｓｗａｓａｌｉｅｄｆｏｒＥｎｌｉｓｈａｌｉｃａｔｉｏｎ．ＴｈｅｃｏｎｔｅｘｔｕａｌｆｅａｔｕｒｅｓａｎｄｃｏｒｒｅｓｏｎｄｉｎｓｅｅｃｈｐｙｐｐｇｐｐｐｇｕｅｓｔｉｏｎｓｅｔｆｏｒｔｒｅｅｂａｓｅｄＨＭＭｃｌｕｓｔｅｒｉｎｗｅｒｅｄｅｓｉｎｅｄｂｃｏｎｓｉｄｅｒｉｎｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆ　－ｑｇｇｙｇ　

　　，ｗＥｎｌｉｓｈ，ｔｏｉｍｒｏｖｅｔｈｅｅｆｆｅｃｔｏｆＨＭＭ　ｍｏｄｅｌｉｎａｎｄｔｒａｉｎｉｎ．Ｉｎａｄｄｉｔｉｏｎｉｔｈｔｈｅｈｅｌｏｆ　ｇｐｇｇｐ

　　，ａｎｄＦｅｓｔｉｖａｌｔｈｅＥｎｌｉｓｈｓｅｅｃｈｓｎｔｈｅｓｉｓｓｓｔｅｍ　ｗａｓｆｉｎａｌｌａｃｈｉｅｖｅｄｔａｋｉｎｔｈｅｆｕｎｄａＨＴＫ　－ｇｐｙｙｙｇ

　　ｍｅｎｔａｌｆｒｅｕｅｎｃａｎｄｔｈｅｓｏｕｎｄｃｈａｎｎｅｌａｒａｍｅｔｅｒａｓｔｈｅｔｒａｉｎｉｎａｒａｍｅｎｔｅｒｓ．Ｆｒｏｍｔｈｅｅｖａｌｕａ－ｑｙｐｇｐ

　　，ｔｉｏｎｒｅｓｕｌｔｓｏｆｔｈｅｆｉｎａｌｓｓｔｅｍ，ｔｈｅｓｎｔｈｅｓｉｚｅｄｖｏｉｃｅｔｕｒｎｅｄｏｕｔｔｏｂｅｃｌｅａｒａｎｄｆｌｕｅｎｔａｎｄｔｈｅ　ｙｙ

　　ｒｈｔｈｍ　ｗａｓｓｔｒｏｎ．　ｙｇ

　　：；ＨＭＭ（）；ＫｅｗｏｒｄｓｓｅｅｃｈｓｉｎａｌｒｏｃｅｓｓｉｎＨｉｄｄｅｎＭａｒｋｏｖＭｏｄｅｌｓｔｒａｉｎａｂｌｅｓｅｅｃｈｓｎ－ｐｇｐｇｐｙｙ　

　　；ｔｈｅｓｉｓＥｎｌｉｓｈｓｎｔｈｅｓｉｓ　ｇｙ

　　（编辑：贾丽红）