中文语音合成系统的设计与实现

摘
要 ：为 了实现机器 能够 发出声音， 本 文设计并搭建 了 Ｈ Ｔ Ｋ（ Ｈ ＭＭ— Ｔ ｏ ｏ ｌ — Ｋ ｉ ｔ ） 平 台用来实现中文语音合成系统．
采用参数合成法 实现 了文本到语音的合成，并对合 成系统 中的文本分析 、 韵律控制 以及语音合成 的实现技术进行 了详细 的论述．最后在 Ｌ ｉ ｎ ｕ ｘ系统下搭建环境 并进行 实验， 得到 了预期 的结果，实现 了文本到语音 的转化． 关键词： Ｈ Ｔ Ｋ ；参数合成； ＨＴ Ｓ ； Ｈ ＭＭ 模 型； Ｓ Ｔ Ｒ Ｉ ＧＨ Ｔ合成器
Ｋｅ ｙ ｗｏ ｒ ｄ ｓ ： ＨＴＫ； ｐａ ｒ ａ ｍｅ ｔ ｅ ｒ ｓ ｙ ｎ ｔ ｈ ｅ ｓ ｉ ｓ ； ＨＴＳ； ｈｉ ｄ ｄ ｅ ｎ ｍａ ｒ ｋ ｏ ｖ ｍｏ ｄｅ ｌ ； Ｓ ＴＲＩ ＧＨＴ ｓ ｙｎ ｔ ｈｅ ｓ ｉ ｚ ｅ ｒ
随着 科学技 术 的快速 发展，智 能化 设备 已渗入到
ｔ ｏ ｓ ｐｅ ｅ ｃ ｈ ，ａ ｎ ｄ ｔ ｈ ｉ ｓ ｐ ａ ｐｅ ｒ ｈ ａ ｓ ａ ｄ ｅ ｔ ａ ｉ ｌ ｅ ｄ ｄ ｉ ｓ ｃ ｕ ｓ ｓ ｉ ｏ ｎ ｆ ｏ ｒ ｔ ｈ ｅ ｉ ｍｐ ｌ ｅ ｍｅ ｎｔ ａ ｔ ｉ ｏ ｎ ｔ ｅ ｃ ｈ ｎｏ ｌ ｏ ｇ ｙ ｏｆ ｔ ｈ ｅ ｔ ｅ ｘ ｔ ａ ｎ ａ ｌ ｙ ｓ ｉ ｓ ，ｐ ｒ ｏ ｓ ｏ ｄ ｙ
ｐ ｌ ａ ｔ ｆ ｏ ｒ ｍ ｔ ｏ ｒ ｅ ａ ｌ ｉ ｚ ｅ ｔ ｈ ｅ Ｃｈ ｉ ｎ ｅ ｓ ｅ ｓ ｐ ｅ ｅ ｃ ｈ ｓ ｙ ｎ ｔ ｈ ｅ ｓ ｉ ｓ ｓ ｙｓ ｔ ｅ ｍ． Ｔｈ ｅ ｐ ａ ｒ ａ ｍｅ ｔ ｅ ｒ ｓ ｙ ｎ ｔ ｈ ｅ ｓ ｉ ｓ ｍｅ ｔ ｈ ｏ ｄ ｒ ｅ ａ ｌ ｉ ｚ ｅ ｓ ｔ ｈ ｅ ｓ ｎｔ ｙ ｈ ｅ ｓ ｉ ｓ ｆ ｒ ｏ ｍ ｔ ｅ ｘ ｔ
ｔ ｈ ｅ ｅ ｘ ｐ ｅ ｃ ｔ ｅ ｄ ｒ ｅ ｓ ｕ ｌ ｔ ｓ ａ ｒ ｅ ｏ ｂ ｔ ａ ｉ ｎ ｅ ｄ ， ｒ ｅ ａ ｌ ｉ ｚ ｉ ｎ ｇ ｔ ｈ ｅ ｔ ｒ ａ ｎｓ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ ｆ ｒ ｏ ｍ ｔ ｈｅ ｔ ｅ ｘ ｔ ｔ ｏ ｓ ｐ ｅ ｅ ｃ ｈ．
Ｄｅ ｓ ｉ ｇ ｎ ａ ｎｄ Ｉ ｍｐ ｌ ｅ ｍｅ ｎｔ ａ ｔ ｉ ｏ ｎ ｏ ｆ Ｃｈ ｉ ｎ ｅ ｓ ｅ Ｓｐ ｅ ｅ ｃ ｈ Ｓ ｙ ｎ ｔ ｈ ｓｉ ｅ ｓ Ｓ ｙ ｓ ｔ ｅ ｍ
Ｆ ＡＮ Ｈｕ ｉ － Ｍｉ ｎ ， ＨＥ Ｘｉ ｎ
（ Ｓ ｃ ｈ ｏ ｏ ｌ ｏ ｆ Ｃ ｏ ｍｐ ｕ ｔ ｅ ｒ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ａ ｎ ｄ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ， Ｘｉ ’ ａ ｌ ｌ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｉ ｃ ａ ｌ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ， Ｘｉ ’ ｎ ａ ７ １ ０ ０ ２ １ ）
ｃ ｏ ｎ ｔ ｒ ｏ ｌ ａ ｎ ｄ ｓ ｐ ｅ ｅ ｃ ｈ ｓ ｎｔ ｙ ｈ ｅ ｓ ｉ ｓ ｉ ｎ ｓ ｎｔ ｙ ｈｅ ｔ ｉ ｃ ｓ ｙ ｓ ｔ ｅ ｍ． Ｆｉ ｎａ ｌ ｌ ｙ ，ｗｉ ｔ ｈ ｅ ｘ ｐｅ ｉｍｅ ｒ ｎ ｔ ｓ ｕ ｎｄ ｅ ｒ ｔ ｈ ｅ ｅ ｎ ｖ ｉ ｒ ｏ ｎ ｍｅ ｎ ｔ ｂ ｕ ｉ ｌ ｔ ｏ ｎ ｔ ｈ ｅ Ｌｉ ｎ ｕ ｘ ，
积 累， 并在 中文语音合成 、语 音识别 等多项 技术上取得 了国际瞩 目的成果． 现 如今 对语 音合成 技术 提 出了越来 越 高的要求 ， 希望 合成 出来 的声音 能够越 来越流畅 、 自然，并接近 原始 声音 ．随着统计 建模方法被 引入到语音合成领域 ， 尤其 是隐马尔科 夫模型 的应 用得到 了快速 的发展，文 献［ ２ ］ 和 文献 ［ ３ 】 中提 到 的使用最 大似然 参数 生成算 法 来实现 合成 时的参数预测，最终 经过参数合成器 生成
人类 生活 的方方面面 ， 人机 交互方式 也发 生了一些改 变，由传 统 的鼠标 键盘交互 方式开始 向智 能人 机交换 方式 转换．语音 是语 言 的声音，是人 类交流 和传递 信 息最 自然最 直接 的方式 ，因此，人机 语音交 互成 为当 前 研 究的热 点，特别 是机器 学 习技 术 的成 熟，为语 音 识 别、语音合成提供 了技术支 持． 语音 合成作 为语音应用 技术 的一部分，被越来越 多的人研 究并重视 ．国外对语音 合成技术 的研究 已有 几 十 年 的历 史，近 １ Ｏ 多年 以来“ Ｉ Ｂ Ｍ” ，“ Ｍｉ ｃ ｒ ｏ ｓ ｏ ｆ ｔ ” ， ‘ ＇ Ｍｏ ｔ ｏ ｒ ｏ ｌ ａ ” 等国际 巨头纷纷投入 巨大 的人力 、 财力进行 语音 技术 的研 究，陆续 出现 了英语 、 日语 、法 语 、西 班牙语等语种 的 Ｔ Ｔ Ｓ商 品，尤其是英语语音系统研究 时 间较长 ， 其 成 果 已应用 于多种 语音翻 译系 统 中．国 内的研 究 虽然 起步 比较 晚 ，但 也 已有 数 十年 的研 究， 如科大讯 飞一直致力于研 究以语音交互技术为 核心的 人工智能 系统， 在 智能语音技术领 域有着长期 的研 究
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ： Ｉ ｎ ｏ ｒ ｄ ｅ ｒ ｔ ｏ ｒ ｅ ａ ｌ ｉ ｚ ｅ ｔ ｈ ａ ｔ ｍａ ｃ ｈ ｉ ｎ ｅ ｃ ａ ｎ ｍａ ｋ ｅ ａ ｓ ｏ ｕ ｎ ｄ ， ｔ ｈ ｉ ｓ ｐ ａ ｐ ｅ ｒ ｄ ｅ ｓ ｉ ｇ ｎ ｓ ａ ｎ ｄ ｂ ｕ ｉ ｌ ｄ ｓ ｔ ｈ ｅ Ｈ Ｔ Ｋ（ Ｈ ＭＭ－ Ｔ ｏ ｏ ｌ － Ｋｉ ｔ ）
语音， 但 是 由于传统参数合成器（ 如， Ｌ Ｐ Ｃ参数合成器） 的音 质恢复能力较差。 这种合成方法往往不够理想【 ｌ ｊ ． 针对上 述合成器 音质 的问题，本文 在合成 时采 用
ＨＴ Ｓ （ Ｈ ＭＭ— ｂ ａ ｓ ｅ ｄ Ｓ ｐ ｅ ｅ ｃ ｈ Ｓ ｎｔ ｙ ｈ ｅ ｓ ｉ ｓ Ｓ ｙ ｓ ｔ ｅ ｍ ） 中
２ ０ １ ７年 第 ２ ６卷 第 ２ 期
ｈ ｔ ｔ ｐ ： ／ ／ ｗ ｗｗ ． ｃ － Ｓ － ａ ． ｏ ｒ ｇ ． ｃ ａ
计 算 机 系 统 应 用
中Βιβλιοθήκη Baidu语 音合 成系统 的设计 与实现①
范会 敏，何 鑫
（ 西安 工业 大学 计算机科 学与工程学院，西安 ７ １ ０ ０ ２ １ ）