英語語音重音的自動(dòng)探測(cè).pdf

1、語音韻律的生成在參數(shù)合成的語音合成中占有很重要的地位，高質(zhì)量的合成語音往往需要依賴大量的已標(biāo)注語料為基礎(chǔ)。因此，語料庫能否進(jìn)行快速、精準(zhǔn)的韻律標(biāo)注對(duì)語音合成具有重要意義。大型語料的標(biāo)注需要耗費(fèi)大量的人力物力，而長(zhǎng)時(shí)間、高強(qiáng)度的人工標(biāo)注一致性較差，容易出錯(cuò)，也會(huì)帶來極高的成本，這就對(duì)快速構(gòu)建語料庫提出了更高的要求。對(duì)語音合成的多樣化需求，要求語音庫能夠適應(yīng)各種軟硬件環(huán)境，并且構(gòu)建在不同口音、不同語氣、不同說話風(fēng)格的語音來源上。若能實(shí)現(xiàn)韻律

2、的極小化標(biāo)注，以極少的標(biāo)注語料實(shí)現(xiàn)韻律的自動(dòng)標(biāo)注，就可以大大降低語料庫構(gòu)建的成本，進(jìn)而降低語音合成的成本。對(duì)此，我們?cè)谝话阈哉Z料的基礎(chǔ)上對(duì)語音進(jìn)行文本處理、極小化標(biāo)注，并利用監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)進(jìn)行模型訓(xùn)練，實(shí)現(xiàn)韻律的自動(dòng)標(biāo)注，本論文的主要研究工作和內(nèi)容如下:
　　 1)根據(jù)一般性語料的特點(diǎn)，利用基于GMM的音頻分類方法和語者分類軟件對(duì)原始音頻進(jìn)行分類和切分，去除音樂和雜音得到純正的語音。在詞的級(jí)別上對(duì)語音進(jìn)行聲學(xué)參數(shù)的選擇和提

3、取，結(jié)合預(yù)處理過的文本得到大量的未標(biāo)注特征文件。為了實(shí)現(xiàn)有監(jiān)督和半監(jiān)督學(xué)習(xí)的訓(xùn)練，利用韻律標(biāo)注體系ToBI進(jìn)行了一定量的手工標(biāo)注。
　　 2)為了獲取與韻律特征最相關(guān)的聲學(xué)韻律特征，利用praat軟件抽取聲學(xué)參數(shù)，生成韻律相關(guān)的聲學(xué)韻律參數(shù)，然后利用機(jī)器學(xué)習(xí)中的幾種模型訓(xùn)練學(xué)習(xí)方法對(duì)已標(biāo)注樣本進(jìn)行模型訓(xùn)練，分別將已標(biāo)注樣本在最大熵、實(shí)例學(xué)習(xí)、adaboost和J48算法環(huán)境下進(jìn)行模型訓(xùn)練，并對(duì)幾種韻律標(biāo)注結(jié)果進(jìn)行結(jié)果比較和分析。

4、
　　 3)半監(jiān)督學(xué)習(xí)利用極少量的有標(biāo)注實(shí)例對(duì)大量未標(biāo)注實(shí)例進(jìn)行自動(dòng)學(xué)習(xí)，因此，我們利用基于co-training的半監(jiān)督學(xué)習(xí)方法構(gòu)建基音重音的韻律自動(dòng)標(biāo)注體系，詳細(xì)闡述了訓(xùn)練模型的設(shè)計(jì)和簡(jiǎn)化;并在此基礎(chǔ)上與有監(jiān)督學(xué)習(xí)方法的訓(xùn)練結(jié)果進(jìn)行了性能比較。Co-training算法的協(xié)同訓(xùn)練方法不需要大量的已標(biāo)注文件，與有監(jiān)督學(xué)習(xí)相比，提高了效率和大量未標(biāo)注文件的利用率。
　　 本文選擇的語料庫為一般性語料庫，沒有經(jīng)過專門的錄制