基于语料库的藏语TTS技术研究
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
高 清晰 、 自然 的语 句． 高
藏语 中词 由音节构 成 ， 音节 的拼写 有完整 而严格 的排列 规则 ， 而 是可 以穷尽 的． 因此 ， 采用基 于语 料
库 的藏语 ＴＴ Ｓ方法 比较 可行 ． 本文拟 参 照藏文 书面语 、 藏语 的发音 特点 和藏语 的发音机理 ， 研究 文本分 析、 语音合 成等藏语 Ｔ ＴＳ的关 键技术 ．
１ 引言
文语 转换技 术（ ｘ ｏＳ ｅ ｃ ， Ｔｅ ｔ ｐ ｅｈ 简称 ＴＴ Ｔ Ｓ技术 ） 是实 现人 机 语 音通 信 ， 立有 听 、 能 力 的 口语 ， 建 讲
系统所必 需 的关 键技术 ， 其转 换 的过程 是 先 将 文字 序列 转 换 成 音韵 序 列 ， 根据 音 韵序 列 生成 语 音 波 再 形 ． ＴＳ技 术涉及声 学 、 言学 、 Ｔ 语 数字 信号处 理技术 、 多媒体 技术 等 多个 学科 技术 ， 信 息处 理领 域 的一 是
２ 藏语 Ｔ ＴＳ系 统 的设 计
２ １ 藏 语 ＴＴ ． Ｓ系 统 基 本 结 构
Ｔ ＴＳ系统 是一个 人工智 能系 统． 了合 成 出 高质 量 的语音 ， 了依 赖于 语 义学 规则 、 汇 规 则 、 为 除 词 语 音学 规则外 ， 还必 须对 文字 的内容有很 好 的理解 ． 文语转 换 过程 是 先将 文 字序 列转 换成 音 韵序 列 ， 由 再
２ ０血 ０１
青 海师范 大学 学报 （ 自然科 学版 ）
Ｊ ｕ ｎ ｌ ｆＱｉｇ ａ ｒ ａ ｉｅ ｓ ｙ Ｎａ ｕ ａ ｃｅ ｃ ） ｏ ｒ ａ ｎ ｈ ｉ ｏ Ｎｏ ｍ ｌＵｎｖ ｒ ｉ （ ｔ ｒ ｌＳ ｉｎ ｅ ｔ
２ １ Ｏ０
ＮＯ ２ ．
第 ２期
基 于语 料库 的藏 语 ＴＴＳ技术研 究
Ｐ ＯＬ Ｓ Ａ方法 的合成器 结构 简单 且易 于实现 ． 最近几 年 ， 种新 的文语 转换 方 法—— 基 于语 料库 的 ＴＴ 一 Ｓ 技术 引起 学者们 的关注 ． 基于 语料库 的 Ｔ ＴＳ方 法 中， 音单元 都是 来 自源于 自然的原始发 音 ， 被存 储 语 并
在 预先 录制 的语 音数据 库 中 ， 只要语 音语 料库包 括各种 语境下 的语 音单元 并且 足够丰 富 ， 就可 以拼接 出
项 前沿技 术．
国内外对 Ｔ ＴＳ技 术 的研 究 已有二 百多年 的历史 ， 真正 有实 用 意 义 的 ＴＴ 但 Ｓ技术 是 随着 计算 机 技 术 和数字 信号处 理技术 的发展 而发 展 起 来 的． ＴＴ 在 Ｓ技术 的发 展 中 ， 期 主要 采用 参 数合 成 方 法 ， 早 如 Ｈｏｍｅ ｌ ｓ的并联振 峰合成 器 （９ ３ 和 Ｋｌ ｔ 串／ 联振峰合 成器 （９ ０ ． 十年代末 期 ， Ｓ技术有 了 １ ７） ａ 的 ｔ 并 １８）八 ＴＴ 新 的进展 ， 特别 是基音 同步叠 加 （ Ｓ Ａ） 法 的提 出 （ ９ ０ ， 基 于 时域 波 形拼 接方 法合 成 的语 音 音 Ｐ ＯＬ 方 １９ ）使 色 和 自然 度更上一 层楼 ． 九十 年代初 ， 于 Ｐ ０Ｌ 基 Ｓ Ａ技术 的法 语 、 语 、 语 、 德 英 日语 等语种 的 Ｔ Ｔｓ系统 都 研 制成 功 ， 些 系 统 的 自然度 比基 于 Ｌ Ｃ 方 法或 振 峰 合 成 器 的 Ｔ 这 Ｐ ＴＳ系统 的 自然度 更 高 ， 且 基 于 并
才让 卓玛 ， 才智 杰
（ 海师 范大 学 藏 文 信息 研 究 中心 ， 海 西 宁 青 青 摘 ８００） １０ ８
要 ： 章通 过 比较 分 析 国 内外 ＴＴＳ技 术 的 发 展 ， 出基 于 语 料库 的藏 语 Ｔ 文 提 ＴＳ技 术 的 可 行性 ． 究 了 藏语 Ｔ 研 ＴＳ的 文本 分
第２ 期
才让 卓玛 ， 才智杰 ： 于语 料库 的藏语 ＴＴ 基 Ｓ技术研 究
６ ７
文 本输 入
：
文本分 析部分
：
：语音合成部分 ：
图 １ห้องสมุดไป่ตู้藏 语 ＴＴＳ基 本 结 构 图
２ ２ 文 本 分 析 模 块 ．
文本分 析 的主要 功能是 使计算 机对输 入 的文本进 行 分析 理解 ， 为语 音合成模 块 提供必 要 的信息． 对 于 藏语 来说 ， 文本 分析 不但 要将藏 文音节 、 符号 、 数字 等转 换成 适 当的标音 符号 ， 还要 分析 发音音 节 的长
短 、 重和 高低和 停顿 位置 和停顿 的长短 ． 轻 在文本 分 析模 块 中对 文 本 中的 文字 进 行处 理 ， 输入 的文字 将 串加 工为带 有属性 标记 的词 ， 并进行 注音 ， 同时还 为 每个 词 、 个音 节确定 重音等 级 和基频 、 长 、 每 时 语调 、
析 模 块 、 音合 成 模 块 及语 音数 据 库 的 关 键 技 术 ， 设 计 了 一 个完 整 的基 于 语 料 库 的 藏语 ＴＴＳ系统 ． 语 并 关 键 词 ： 料 库 ； 语 转换 ； 词 ； 接 单元 语 文 分 拼 中圈 分 类 号 ： ３１ ＴＰ ９ 文献 标 识码 ： Ａ 文 章编 号 ：０ １ ５２ ２ １ ）２ ０ ６ —０ １ ０ —７ ４ （０ ０ Ｏ — ０ ６ ４
系统 根据音 韵序 列生成语 音波 形． 中第 一步涉 及语言 学处理 ， 如文本 的规范 化 、 其 例 分词 、 语音单 元 的划 分及 有效 的韵律控 制规则 ； 二步需要 先进 的语音 合成 技 术 ， 按 要求 实 时合 成 出高质 量 的语 音 流． 第 能 如
图 １所 示 ．
收稿 日期 ：０ ９ ９ ９ ２ ０ —０ —０ 基金项目： 国家 社 科基 金 项 目（ 目编 号 ：ｇ Ｙ０ ４ 青 海 师 范 大学 科 研 基 金 资 助 项 目 项 ｏ ＸＹ ２ ） 作者 简 介 ： 让 卓玛 （９ Ｏ ） 女 （ 才 １７ 一 ， 藏族 ）青 海 乐 都 人 ， ， 副教 授 ， 士 ， 要 研 究方 向 ； 文 处 理 信息 ． 硕 主 藏
藏语 中词 由音节构 成 ， 音节 的拼写 有完整 而严格 的排列 规则 ， 而 是可 以穷尽 的． 因此 ， 采用基 于语 料
库 的藏语 ＴＴ Ｓ方法 比较 可行 ． 本文拟 参 照藏文 书面语 、 藏语 的发音 特点 和藏语 的发音机理 ， 研究 文本分 析、 语音合 成等藏语 Ｔ ＴＳ的关 键技术 ．
１ 引言
文语 转换技 术（ ｘ ｏＳ ｅ ｃ ， Ｔｅ ｔ ｐ ｅｈ 简称 ＴＴ Ｔ Ｓ技术 ） 是实 现人 机 语 音通 信 ， 立有 听 、 能 力 的 口语 ， 建 讲
系统所必 需 的关 键技术 ， 其转 换 的过程 是 先 将 文字 序列 转 换 成 音韵 序 列 ， 根据 音 韵序 列 生成 语 音 波 再 形 ． ＴＳ技 术涉及声 学 、 言学 、 Ｔ 语 数字 信号处 理技术 、 多媒体 技术 等 多个 学科 技术 ， 信 息处 理领 域 的一 是
２ 藏语 Ｔ ＴＳ系 统 的设 计
２ １ 藏 语 ＴＴ ． Ｓ系 统 基 本 结 构
Ｔ ＴＳ系统 是一个 人工智 能系 统． 了合 成 出 高质 量 的语音 ， 了依 赖于 语 义学 规则 、 汇 规 则 、 为 除 词 语 音学 规则外 ， 还必 须对 文字 的内容有很 好 的理解 ． 文语转 换 过程 是 先将 文 字序 列转 换成 音 韵序 列 ， 由 再
２ ０血 ０１
青 海师范 大学 学报 （ 自然科 学版 ）
Ｊ ｕ ｎ ｌ ｆＱｉｇ ａ ｒ ａ ｉｅ ｓ ｙ Ｎａ ｕ ａ ｃｅ ｃ ） ｏ ｒ ａ ｎ ｈ ｉ ｏ Ｎｏ ｍ ｌＵｎｖ ｒ ｉ （ ｔ ｒ ｌＳ ｉｎ ｅ ｔ
２ １ Ｏ０
ＮＯ ２ ．
第 ２期
基 于语 料库 的藏 语 ＴＴＳ技术研 究
Ｐ ＯＬ Ｓ Ａ方法 的合成器 结构 简单 且易 于实现 ． 最近几 年 ， 种新 的文语 转换 方 法—— 基 于语 料库 的 ＴＴ 一 Ｓ 技术 引起 学者们 的关注 ． 基于 语料库 的 Ｔ ＴＳ方 法 中， 音单元 都是 来 自源于 自然的原始发 音 ， 被存 储 语 并
在 预先 录制 的语 音数据 库 中 ， 只要语 音语 料库包 括各种 语境下 的语 音单元 并且 足够丰 富 ， 就可 以拼接 出
项 前沿技 术．
国内外对 Ｔ ＴＳ技 术 的研 究 已有二 百多年 的历史 ， 真正 有实 用 意 义 的 ＴＴ 但 Ｓ技术 是 随着 计算 机 技 术 和数字 信号处 理技术 的发展 而发 展 起 来 的． ＴＴ 在 Ｓ技术 的发 展 中 ， 期 主要 采用 参 数合 成 方 法 ， 早 如 Ｈｏｍｅ ｌ ｓ的并联振 峰合成 器 （９ ３ 和 Ｋｌ ｔ 串／ 联振峰合 成器 （９ ０ ． 十年代末 期 ， Ｓ技术有 了 １ ７） ａ 的 ｔ 并 １８）八 ＴＴ 新 的进展 ， 特别 是基音 同步叠 加 （ Ｓ Ａ） 法 的提 出 （ ９ ０ ， 基 于 时域 波 形拼 接方 法合 成 的语 音 音 Ｐ ＯＬ 方 １９ ）使 色 和 自然 度更上一 层楼 ． 九十 年代初 ， 于 Ｐ ０Ｌ 基 Ｓ Ａ技术 的法 语 、 语 、 语 、 德 英 日语 等语种 的 Ｔ Ｔｓ系统 都 研 制成 功 ， 些 系 统 的 自然度 比基 于 Ｌ Ｃ 方 法或 振 峰 合 成 器 的 Ｔ 这 Ｐ ＴＳ系统 的 自然度 更 高 ， 且 基 于 并
才让 卓玛 ， 才智 杰
（ 海师 范大 学 藏 文 信息 研 究 中心 ， 海 西 宁 青 青 摘 ８００） １０ ８
要 ： 章通 过 比较 分 析 国 内外 ＴＴＳ技 术 的 发 展 ， 出基 于 语 料库 的藏 语 Ｔ 文 提 ＴＳ技 术 的 可 行性 ． 究 了 藏语 Ｔ 研 ＴＳ的 文本 分
第２ 期
才让 卓玛 ， 才智杰 ： 于语 料库 的藏语 ＴＴ 基 Ｓ技术研 究
６ ７
文 本输 入
：
文本分 析部分
：
：语音合成部分 ：
图 １ห้องสมุดไป่ตู้藏 语 ＴＴＳ基 本 结 构 图
２ ２ 文 本 分 析 模 块 ．
文本分 析 的主要 功能是 使计算 机对输 入 的文本进 行 分析 理解 ， 为语 音合成模 块 提供必 要 的信息． 对 于 藏语 来说 ， 文本 分析 不但 要将藏 文音节 、 符号 、 数字 等转 换成 适 当的标音 符号 ， 还要 分析 发音音 节 的长
短 、 重和 高低和 停顿 位置 和停顿 的长短 ． 轻 在文本 分 析模 块 中对 文 本 中的 文字 进 行处 理 ， 输入 的文字 将 串加 工为带 有属性 标记 的词 ， 并进行 注音 ， 同时还 为 每个 词 、 个音 节确定 重音等 级 和基频 、 长 、 每 时 语调 、
析 模 块 、 音合 成 模 块 及语 音数 据 库 的 关 键 技 术 ， 设 计 了 一 个完 整 的基 于 语 料 库 的 藏语 ＴＴＳ系统 ． 语 并 关 键 词 ： 料 库 ； 语 转换 ； 词 ； 接 单元 语 文 分 拼 中圈 分 类 号 ： ３１ ＴＰ ９ 文献 标 识码 ： Ａ 文 章编 号 ：０ １ ５２ ２ １ ）２ ０ ６ —０ １ ０ —７ ４ （０ ０ Ｏ — ０ ６ ４
系统 根据音 韵序 列生成语 音波 形． 中第 一步涉 及语言 学处理 ， 如文本 的规范 化 、 其 例 分词 、 语音单 元 的划 分及 有效 的韵律控 制规则 ； 二步需要 先进 的语音 合成 技 术 ， 按 要求 实 时合 成 出高质 量 的语 音 流． 第 能 如
图 １所 示 ．
收稿 日期 ：０ ９ ９ ９ ２ ０ —０ —０ 基金项目： 国家 社 科基 金 项 目（ 目编 号 ：ｇ Ｙ０ ４ 青 海 师 范 大学 科 研 基 金 资 助 项 目 项 ｏ ＸＹ ２ ） 作者 简 介 ： 让 卓玛 （９ Ｏ ） 女 （ 才 １７ 一 ， 藏族 ）青 海 乐 都 人 ， ， 副教 授 ， 士 ， 要 研 究方 向 ； 文 处 理 信息 ． 硕 主 藏