CN1835075B - 一种结合自然样本挑选与声学参数建模的语音合成方法 - Google Patents

一种结合自然样本挑选与声学参数建模的语音合成方法 Download PDF

Info

Publication number
CN1835075B
CN1835075B CN2006100396752A CN200610039675A CN1835075B CN 1835075 B CN1835075 B CN 1835075B CN 2006100396752 A CN2006100396752 A CN 2006100396752A CN 200610039675 A CN200610039675 A CN 200610039675A CN 1835075 B CN1835075 B CN 1835075B
Authority
CN
China
Prior art keywords
parameter
natural
model
cost
natural sample
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN2006100396752A
Other languages
English (en)
Other versions
CN1835075A (zh
Inventor
王玉平
凌震华
王仁华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
iFlytek Co Ltd
Original Assignee
ZHONGKEDA XUNFEI INFORMATION SCIENCE & TECHNOLOGY Co Ltd ANHUI PROV
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by ZHONGKEDA XUNFEI INFORMATION SCIENCE & TECHNOLOGY Co Ltd ANHUI PROV filed Critical ZHONGKEDA XUNFEI INFORMATION SCIENCE & TECHNOLOGY Co Ltd ANHUI PROV
Priority to CN2006100396752A priority Critical patent/CN1835075B/zh
Publication of CN1835075A publication Critical patent/CN1835075A/zh
Application granted granted Critical
Publication of CN1835075B publication Critical patent/CN1835075B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Machine Translation (AREA)

Abstract

本发明公布了一种结合自然样本挑选与声学参数建模的语音合成方法,本发明的特征是在Trainable TTS中引入了自然样本单元挑选的概念,并用决策树进行单元的预选来弥补单纯的数据驱动方法在高层韵律描述不足的缺点,最后通过参数生成算法生成出比较接近自然的参数然后进行语音合成,实现了合成语音在音质、自然度以及平稳性上的一个折中平衡。

Description

一种结合自然样本挑选与声学参数建模的语音合成方法
技术领域
本发明涉及语音合成领域,具体是对语音合成中波形拼接和参数合成两种常用方法进行有效结合,达到同时提高合成语音的音质和平稳性的目的。
背景技术
目前,基于自然样本的波形拼接和基于模型预测的参数合成是两种常用的语音合成方法。前者可以取得较高质量的合成语音音质,但是在稳定性和拼接的连续性上会存在一定问题;后者可以实现稳定、平滑的语音合成,但是由于模型预测的声学参数和自然语音声学参数的差异,会造成合成语音的音质较差。这里,我们考虑将自然声学样本的挑选与参数的统计建模相结合,同时保证最终合成使用参数与自然样本的接近程度和对于统计模型的符合程度,以此在音质、自然度与平稳性之间达到更好的平衡。
大语料库语音合成方法是一种比较流行的基于自然样本的波形拼接语音合成方法,它根据某种计算法则运用Viterbi算法挑选到合适的自然样本单元,然后对自然样本进行拼接合成。这种方法的优势就是能获得自然发音人的音质,但是在拼接的地方往往会存在连续性上的问题,如果不能挑选到合适的单元的话,那么它的整体感觉会受很大的影响,所以,这种方法对语料库的要求很高,往往一个覆盖面很广的中文大语料库就会有1G以上的存储空间,这就导致了这种方法的可扩展性较差。
由于现在合成语音的音质和自然度都不错,大家对合成***提出了更多的需求,比如多样化的语音合成,包括多个发音人、多种发音风格、多语种等,由上面的分析可以看出,虽然大语料库合成***的效果不错,但也存在不少缺陷,比如:合成语音的效果不稳定,音库构建周期太长以及合成***的可扩展性太差等。这些缺陷明显限制了大语料库合成***在多样化语音合成方面的应用,因此,近年来可训练语音合成方法被提出并逐渐得到越来越广泛的应用。
基于隐马尔可夫模型的可训练语音合成(HMM-based Trainable SpeechSynthesis)方法就是将HMM用于语音信号的建模和预测的参数合成方法,它能够实现稳定平滑的语音合成,但是由于参数是模型预测的,所以它合成出来的语音的音质存在一定的缺陷。
基于上面的分析,为了使得合成语音在音质、自然度以及平稳性上达到更好的平衡,在HMM-based语音合成方法的基础上,结合自然样本的波形拼接合成的思想,实现了合成语音在音质、自然度以及平稳性上的一个更好的平衡,提高语音合成***的总体水平。
发明内容
本发明提供了一种提高基于隐马尔可夫模型的可训练语音合成***合成音质的办法,通过结合单元挑选和参数建模两方面的技术,使得最终合成语音稳定性、平滑性以及音质都得到较大幅度的提高。
本发明的技术方案如下:
2.一种结合自然样本挑选与声学参数建模的语音合成方法,其特征是具体的实现方式如下:
(1)、参数建模:运用隐马尔科夫模型对语音信号三个方面的参数进行建模,这三个方面的参数分别是:基频、时长和线谱频率系数LSF;所有模型都在一个语音库上用隐马尔科夫模型进行模型的训练;语音库的规模一般在1000句话左右;
(2)、单元预选:是指从所有的自然样本中挑选出那些比较符合条件的自然样本的过程,目的是在基本保持语音合成***合成效果的情况下减少合成***所需存储的单元样本数目以及降低***的运算复杂度;单元预选的过程描述如下:
首先运用隐马尔科夫模型模型,对训练语音数据库进行状态切分工作,并把切分好的每个状态都对应到决策树上的一个节点上,把这个状态模型的相关数据作为一个自然样本单元保存到相应的叶子节点下,同时,计算这个自然样本单元与隐马尔科夫模型之间的线谱频率差值,定义为频谱代价,定义式如下:
lsf cos t = Σ i = 1 N ( x i - μ i ) Σ i - 1 ( x i - μ i )
xi,μi,∑i分别表示自然线谱频率系数LSF、模型均值和模型方差,N为LSF参数维数;考虑在单元挑选时基频变化特性,在进行单元预选的同时,需要对基频进行用k-means方法来进行聚类;通过预选仅保留一定数目(如30个)的样本单元,并能涵盖了训练数据中的所有的基频变化情况,预选的时候就是结合频谱代价和基频变化来进行的,选择两者只和最小的一些样本作为预选所得的自然样本单元;
(3)、单元挑选:单元挑选阶段就是进行在预选所得的自然样本单元中进行Viterbi搜索得到代价最小的自然单元序列;这里需要计算的代价是:
基频代价: f 0 cos t = Σ i = 1 3 ( x i , f 0 - μ i , f 0 ) Σ i - 1 ( x i , f 0 - μ i , f 0 )
频谱代价: lsf cos t = Σ i = 1 N ( x i - μ i ) Σ i - 1 ( x i - μ i )
目标代价:trg cost=lsf cost+f0 cost
以上xi,f0,μi,f0,∑i分别表示预选所得到的自然样本的基频参数、基频模型的均值、基频模型的方差,其中x1,f0,μ1,f0表示绝对基频值,也可称为静态参数,x2,f0,μ2,f0,x3,f0,μ3,f0表示基频的一阶和二阶差分即动态参数,计算式如下:
Δ c t = Σ τ = - L - ( 1 ) L + ( 1 ) ω ( 1 ) ( τ ) c t + τ , Δ 2 c t = Σ τ = - L - ( 2 ) L + ( 2 ) ω ( 2 ) ( τ ) c t + τ
连接代价:由于Viterbi挑选所得的自然样本序列是一系列从自然语句中截取的自然样本的组合,它与自然语句的自然样本序列是不同的,它前后帧的静态参数可能发生了变化,所以在自然语句中计算的动态参数就会发生变化,应该更新动态参数来计算挑选的连接代价,同样按上式进行动态参数的更新;
所以连接代价的计算如下:
link cos t = Σ i = 1 N ( x pi - μ pi ) Σ pi - 1 ( x pi - μ pi ) + Σ i = 1 N ( x ci - μ ci ) Σ ci - 1 ( x ci - μ ci )
总体代价:cost=trg cost+link cost
这里xpi,μpi,∑pi表示前一帧的自然样本参数和前一个模型的参数,
xci,μci,∑ci表示当前帧的自然样本参数和当前模型参数;
最后由Viterbi算法得到一组总体代价最小的自然样本序列;
(4)、改进参数生成:Viterbi挑选出自然单元序列之后,可以用改进的参数生成算法来对参数进行生成,这种方法就是把自然的参数也当作一个模型来约束最后的参数生成;
原始的参数生成算法是基于最大似然的准则下来进行参数生成的:
L=logP(O|Q,λ)
其中O表示目标矢量参数,Q状态序列,λ表示模型参数;
求解上式的最大值就可以得到生成的参数;
而经过了自然单元的挑选之后,每帧又有了对应的自然的频谱参数,所以参数生成的时候把自然的频谱参数当作一个简单的约束模型对似然值进行约束,所以似然值计算为:
L=log{P(O|Q,λ)*P(C|Ct)α}
其中C,Ct分别表示目标矢量参数中的静态参数和自然样本的静态参数;
这里简单的把自然的和预测的静态参数之间的欧氏距离作为模型的约束进行计算,所以似然值可以表示为:
L = log { P ( O | Q , λ ) * P ( C | C t ) α }
= log { P ( O | Q , λ ) [ e - 1 2 D ( C , C t ) ] α }
= - 1 2 O T U - 1 O + O T U - 1 M - 1 2 α ( C - C t ) T ( C - C t )
∂ L ∂ C = - W T U - 1 WC + W T U - 1 M - α ( C - C t )
∂ L ∂ C = 0 ,即得:
-WTU-1WC+WTU-1M-α(C-Ct)=0
所以(WTU-1W+αI)C=WTU-1M+αCt
解上面这个方程就可以得到所要的基于自然单元挑选和参数生成的结果,包括频谱、时长、基频参数;α值为系数,α值选取的不同,得到的效果也就各不相同,α取得过小,那么生成的参数就距离自然的频谱参数很远,合成的语音的音质也没有明显提高,如果α选取过大,那么生成的就很接近自然的频谱参数,这样又会造成状态与状态之间的不连续现象,影响合成语音的听感,而且状态与状态之间和状态内部的α值也应该不一样,这样可以保证状态内部的参数的自然性和状态交接处的参数平滑过渡;
经过了上面的流程之后,频谱、时长、基频等参数得以生成,进而最后的语音合成得以实现。
发明的效果
本发明的方法嵌套在Trainable TTS***中,在Trainable TTS***中添加了相关处理模块,具有可扩展性,
音质的提高:经过了这种方法的改进之后,合成语音的音质明显得到提高,语音的听感不像之前的那么闷而是更加清晰了,而且音色也更像自然发音人。
参数的低存储性:频谱决策树的每个叶子节点下只保存30个自然样本单元的静态参数数据,大概需要65M的存储空间,实验证明,如果进一步做压缩而又保持音质的话,大概能降到5.5M左右,这样可以在一些受限领域里应用。
术语解释
语音合成(Text-To-Speech):又称为文语转化。它涉及声学、语言学、数字信号处理、多媒体等多种学科,是中文信息处理领域的一项前沿技术。语音合成技术解决的主要问题是:如何将电子化文本的文字信息转化为能够播放的声音信息。近代语音合成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,目的是让计算机能够产生高清晰度、高自然度的连续语音。
可训练语音合成(Trainable TTS):就是可自动训练的语音合成,其基本原理就是基于一套自动化的流程,根据输入的语音数据进行训练,最后形成一个相应的语音合成合成***。
隐马尔科夫模型(Hidden Markov Model,HMM):俄国有机化学家VladimirVasilyevich Markovnikov于1870年提出,其本质上是一种随机过程,它包括具有状态转移概率的马尔可夫链和输出观测值的随机过程,因为其状态是不确定或不可见的,只有通过观测序列的随机过程才能表现出来,所以称为隐马尔科夫模型。
决策树:基本上,我们可以把决策树当作一个布尔函数(Boolean function),其输入是物体或情况的一组属性,其输出为“是”或“否”的决策值,在决策树里,每个树枝节点对应到一个有关某项属性的测试,每个叶子节点对应到一个布尔函数值,它呈树状结构,所以称为决策树。
附图说明
附图:结合自然样本单元挑选与参数生成的可训练语音合成***流程图。
具体实施方式
一种结合自然样本挑选与声学参数建模的语音合成方法,具体的实现方式如下:
1.参数建模:运用隐马尔科夫(HMM)对语音信号三个方面的参数进行建模,这三个方面的参数分别是:基频(Fundamental Frequency)、时长(Duration)和线谱频率系数LSF(Line Spectral Frequency)。所有模型都在一个语音库上用HTK(the Hidden Markov ModelToolkit)进行模型的训练,语音库的规模一般在1000句话左右;
2.单元预选:单元预选是指从所有的自然样本中挑选出那些比较符合条件的自然样本的过程,单元预选的目的是在基本保持语音合成***合成效果的情况下减少合成***所需存储的单元样本数目以及降低***的运算复杂度。单元预选的过程描述如下:
首先运用HMM模型,对训练语音数据库进行状态切分工作,并把切分好的每个状态都对应到决策树上的一个节点上,把这个状态模型的相关数据作为一个自然样本单元保存到相应的叶子节点下。同时,计算这个自然样本单元与隐马尔科夫模型之间的线谱频率差值,我们定义为频谱代价,定义式如下:
lsf cos t = Σ i = 1 N ( x i - μ i ) Σ i - 1 ( x i - μ i )
xi,μi,∑i分别表示自然LSF、模型均值和模型方差,N为LSF参数维数。
这种基于决策树的单元预选方法有效了弥补单纯的数据驱动方法对高层韵律描述不足的缺点,同时,考虑在单元挑选时基频变化特性,在进行单元预选的同时,需要对基频进行用k-means方法来进行聚类。通过预选我们仅保留一定数目(如30个)的样本单元,他们涵盖了训练数据中的所有的基频变化情况。
单元挑选:单元挑选阶段就是进行Viterbi搜索得到代价最小的自然单元序列。这里需要计算的代价是:
基频代价: f 0 cos t = Σ i = 1 3 ( x i , f 0 - μ i , f 0 ) Σ i - 1 ( x i , f 0 - μ i , f 0 )
频谱代价: lsf cos t = Σ i = 1 N ( x i - μ i ) Σ i - 1 ( x i - μ i )
目标代价:trg cos t=lsf cos t+f0 cos t
以上xi,f0,μi,f0,∑i分别表示自然样本的基频参数、基频模型的均值、基频模型的方差,其中x1,f0,μ1,f0表示绝对基频值,也可称为静态参数,x2,f0,μ2,f0,x3,f0,μ3,f0表示基频的一阶和二阶差分即动态参数,计算式如下:
Δ c t = Σ τ = - L - ( 1 ) L + ( 1 ) ω ( 1 ) ( τ ) c t + τ , Δ 2 c t = Σ τ = - L - ( 2 ) L + ( 2 ) ω ( 2 ) ( τ ) c t + τ
连接代价:由于Viterbi挑选的自然样本序列与自然语句的自然样本序列是不同的,它前后帧的静态参数可能发生了变化,所以在自然语句中计算的动态参数就会发生变化,应该更新动态参数来计算挑选的连接代价,同样按上式进行动态参数的更新。
所以连接代价的计算如下:
link cos t = Σ i = 1 N ( x pi - μ pi ) Σ pi - 1 ( x pi - μ pi ) + Σ i = 1 N ( x ci - μ ci ) Σ ci - 1 ( x ci - μ ci )
总体代价:cos t=trg cos t+link cos t
这里xpi,μpi,∑pi表示前一帧的自然样本参数和前一个模型的参数,
xci,μci,∑ci表示当前帧的自然样本参数当前模型参数。
最后由Viterbi算法得到一组总体代价最小的自然单元序列。
4.改进参数生成:Viterbi挑选出自然单元序列之后,可以用改进的参数生成算法来对参数进行生成,这种方法就是把自然的参数也当作一个模型来约束最后的参数生成。
原始的参数生成算法是基于最大似然的准则下来进行参数生成的:
L=logP(O|Q,λ)
求解上式的最大值就可以得到生成的参数。
而经过了自然单元的挑选之后,每帧又有了对应的自然的频谱参数,所以参数生成的时候把自然的频谱参数当作一个简单的模型对似然值进行约束,所以似然值计算为:
L=log{P(O|Q,λ)*P(C|Ct)α}
这里简单的把自然的和预测的静态参数之间的欧氏距离作为模型的约束进行计算,所以似然值可以表示为:
L = log { P ( O | Q , λ ) * P ( C | C t ) α }
= log { P ( O | Q , λ ) [ e - 1 2 D ( C , C t ) ] α }
= - 1 2 O T U - 1 O + O T U - 1 M - 1 2 α ( C - C t ) T ( C - C t )
∂ L ∂ C = - W T U - 1 WC + W T U - 1 M - α ( C - C t )
∂ L ∂ C = 0 ,即得:
-WTU-1WC+WTU-1M-α(C-Ct)=0
所以(WTU-1W+αI)C=WTU-1M+αCt
解上面这个方程就可以得到所要的基于自然单元挑选和参数生成的结果。
当然,如果α值选取的不同,得到的效果也就各不相同,α取得过小,那么生成的参数就距离自然的频谱参数很远,合成的语音的音质也没有明显提高,如果α选取过大,那么生成的就很接近自然的频谱参数,这样又会造成状态与状态之间的不连续现象,影响合成语音的听感,而且状态与状态之间和状态内部的α值也应该不一样,这样可以保证状态内部的参数的自然性和状态交接处的参数平滑过渡。
经过了上面的流程之后,参数就可以得以生成出来了,进而最后的语音合成得以实现。

Claims (1)

1.一种结合自然样本挑选与声学参数建模的语音合成方法,其特征是:具体的实现方式如下:
(1)、参数建模:运用隐马尔科夫模型对语音信号三个方面的参数进行建模,这三个方面的参数分别是:基频、时长和线谱频率系数LSF;所有模型都在一个语音库上用隐马尔科夫模型进行模型的训练;语音库的规模为1000句话;
(2)、单元预选:是指从所有的自然样本中挑选出那些符合条件的自然样本的过程,目的是在保持语音合成***合成效果的情况下减少合成***所需存储的单元样本数目以及降低***的运算复杂度;单元预选的过程描述如下:
首先运用隐马尔科夫模型,对训练语音数据库进行状态切分工作,并把切分好的每个状态都对应到决策树上的一个节点上,把这个状态模型的相关数据作为一个自然样本单位保存到相应的叶子节点下,同时,计算这个自然样本单元与隐马尔科夫模型之间的线谱频率差值,定义为频谱代价lsfcost,定义式如下:
Figure F200610039675201C00011
xi,μi,∑i分别表示自然线谱频率系数LSF、模型均值和模型方差,N为LSF参数维数;考虑在单元挑选时基频变化特性,在进行单元预选的同时,需要对基频进行K-means方法来进行聚类;通过预选仅保留一定数目的样本单元,并能涵盖了训练数据中的所有的基频变化情况,预选的时候就是结合频谱代价和基频变化来进行的,选择两者之和最小的一些样本作为预选所得的自然样本单元;
(3)、单元挑选:单元挑选阶段就是在预选所得的自然样本单元中进行Viterbi搜索得到代价最小的自然单元序列;这里需要计算的代价是:
基频代价:
Figure F200610039675201C00012
频谱代价:
目标代价:trg cost=lsf cost+f0 cost
以上 i分别表示预算所得到的自然样本的基频参数、基频模型的均值、基频模型的方差,其 
Figure DEST_PATH_FSB00000021310200011
表示绝对基频值,也可称为静态参数, 
Figure DEST_PATH_FSB00000021310200012
表示基频的一阶和二阶差分即动态参数,计算式如下:
Figure DEST_PATH_FSB00000021310200013
连接代价:由于Viterbi挑选所得的自然样本序列是一系列从自然语句中截取的自然样本的组合,Viterbi挑选所得的自然样本序列与自然语句的自然样本序列是不同的,Viterbi挑选所得的自然样本序列前后帧的静态参数可能发生了变化,所以在自然语句中计算的动态参数就会发生变化,应该更新动态参数来计算挑选的连接代价,同样按上式进行动态参数的更新;
所以连接代价的计算如下:
总体代价:cost=trgcost+linkcost
这里xpi,μpi,∑pi表示前一帧的自然样本参数和前一个模型的均值和方差,xci,μci,∑ci表示当前帧的自然样本参数和当前模型的均值和方差;
最后由Viterbi算法得到一组总体代价最小的自然样本序列;
(4)、改进参数生成:Viterbi挑选出自然单元序列之后,用改进的参数生成算法对参数进行生成,这种方法就是把自然的参数也当作一个模型来约束最后的参数生成;
原始的参数生成算法是基于最大似然的准则下来进行参数生成的:
L=logP(O|Q,λ)
其中O表示目标矢量参数,Q状态序列,λ表示模型参数;
求解上式的最大值就可以得到生成的参数;
而经过了自然单元的挑选之后,每帧又有了对应的自然的频谱参数,所以参数生成的时候把自然的频谱参数当作一个约束模型对似然值进行约束,所以似然值计算为:
L=log{P(O|Q,λ)*P(C|Ct)a}
其中C,Ct分别表示目标矢量参数中的静态参数和自然样本的静态参数;
这里把自然的和预测的静态参数之间的欧氏距离作为模型的约束进行计算,所以似然值可以表示为:
Figure DEST_PATH_FA20180381200610039675201C00011
Figure DEST_PATH_FA20180381200610039675201C00013
Figure DEST_PATH_FA20180381200610039675201C00014
Figure DEST_PATH_FA20180381200610039675201C00015
即得:
-WTU-1WC+WTU-1M-α(C-Ct)=0
所以(WTU-1WC+αI)C=WTU-1M+αCt
解上面这个方程就可以得到所要的基于自然单元挑选和参数生成的结果,包括频谱、时长、基频参数;
α值选取的不同,得到的效果也就各不相同;
经过了上面的流程之后,频谱、时长、基频等参数得以生成,进而最后的语音合成得以实现。
CN2006100396752A 2006-04-07 2006-04-07 一种结合自然样本挑选与声学参数建模的语音合成方法 Active CN1835075B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2006100396752A CN1835075B (zh) 2006-04-07 2006-04-07 一种结合自然样本挑选与声学参数建模的语音合成方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2006100396752A CN1835075B (zh) 2006-04-07 2006-04-07 一种结合自然样本挑选与声学参数建模的语音合成方法

Publications (2)

Publication Number Publication Date
CN1835075A CN1835075A (zh) 2006-09-20
CN1835075B true CN1835075B (zh) 2011-06-29

Family

ID=37002790

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2006100396752A Active CN1835075B (zh) 2006-04-07 2006-04-07 一种结合自然样本挑选与声学参数建模的语音合成方法

Country Status (1)

Country Link
CN (1) CN1835075B (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101165776B (zh) * 2006-10-20 2012-04-25 纽昂斯通讯公司 用于生成语音谱的方法
CN101000765B (zh) * 2007-01-09 2011-03-30 黑龙江大学 基于韵律特征的语音合成方法
CN101178896B (zh) * 2007-12-06 2012-03-28 安徽科大讯飞信息科技股份有限公司 基于声学统计模型的单元挑选语音合成方法
CN101710488B (zh) * 2009-11-20 2011-08-03 安徽科大讯飞信息科技股份有限公司 语音合成方法及装置
CN102270449A (zh) * 2011-08-10 2011-12-07 歌尔声学股份有限公司 参数语音合成方法和***
CN104766602B (zh) * 2014-01-06 2019-01-18 科大讯飞股份有限公司 歌唱合成***中基频合成参数生成方法及***
CN105023574B (zh) * 2014-04-30 2018-06-15 科大讯飞股份有限公司 一种实现合成语音增强的方法及***
CN104485099A (zh) * 2014-12-26 2015-04-01 中国科学技术大学 一种合成语音自然度的提升方法
CN105719641B (zh) * 2016-01-19 2019-07-30 百度在线网络技术(北京)有限公司 用于波形拼接语音合成的选音方法和装置
CN107871494B (zh) * 2016-09-23 2020-12-11 北京搜狗科技发展有限公司 一种语音合成的方法、装置及电子设备
CN108806665A (zh) * 2018-09-12 2018-11-13 百度在线网络技术(北京)有限公司 语音合成方法和装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN85100180A (zh) * 1985-04-01 1986-10-01 清华大学 一种计算机对汉语语音的识别方法
CN1342968A (zh) * 2000-09-13 2002-04-03 中国科学院自动化研究所 用于语音识别的高精度高分辨率基频提取方法
US6574592B1 (en) * 1999-03-19 2003-06-03 Kabushiki Kaisha Toshiba Voice detecting and voice control system
WO2004095420A2 (en) * 2003-03-31 2004-11-04 Motorola Inc., A Corporation Of The State Of Delaware System and method for combined frequency-domain and time-domain pitch extraction for speech signals
US20050114117A1 (en) * 2003-11-26 2005-05-26 Microsoft Corporation Method and apparatus for high resolution speech reconstruction
CN1731509A (zh) * 2005-09-02 2006-02-08 清华大学 移动语音合成方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN85100180A (zh) * 1985-04-01 1986-10-01 清华大学 一种计算机对汉语语音的识别方法
US6574592B1 (en) * 1999-03-19 2003-06-03 Kabushiki Kaisha Toshiba Voice detecting and voice control system
CN1342968A (zh) * 2000-09-13 2002-04-03 中国科学院自动化研究所 用于语音识别的高精度高分辨率基频提取方法
WO2004095420A2 (en) * 2003-03-31 2004-11-04 Motorola Inc., A Corporation Of The State Of Delaware System and method for combined frequency-domain and time-domain pitch extraction for speech signals
US20050114117A1 (en) * 2003-11-26 2005-05-26 Microsoft Corporation Method and apparatus for high resolution speech reconstruction
CN1731509A (zh) * 2005-09-02 2006-02-08 清华大学 移动语音合成方法

Also Published As

Publication number Publication date
CN1835075A (zh) 2006-09-20

Similar Documents

Publication Publication Date Title
CN1835075B (zh) 一种结合自然样本挑选与声学参数建模的语音合成方法
EP2179414B1 (en) Synthesis by generation and concatenation of multi-form segments
JP5768093B2 (ja) 音声処理システム
CN101178896B (zh) 基于声学统计模型的单元挑选语音合成方法
JP3910628B2 (ja) 音声合成装置、音声合成方法およびプログラム
Raux et al. A unit selection approach to F0 modeling and its application to emphasis
Yin et al. Modeling F0 trajectories in hierarchically structured deep neural networks
Henter et al. Gaussian process dynamical models for nonparametric speech representation and synthesis
Ronanki et al. A Template-Based Approach for Speech Synthesis Intonation Generation Using LSTMs.
Chomphan et al. Implementation and evaluation of an HMM-based Thai speech synthesis system.
Jalin et al. Text to speech synthesis system for tamil using HMM
Van Nguyen et al. Development of Vietnamese speech synthesis system using deep neural networks
JP6330069B2 (ja) 統計的パラメトリック音声合成のためのマルチストリームスペクトル表現
Phan et al. A study in vietnamese statistical parametric speech synthesis based on HMM
Chen et al. An investigation of implementation and performance analysis of DNN based speech synthesis system
Mullah A comparative study of different text-to-speech synthesis techniques
Yu et al. Probablistic modelling of F0 in unvoiced regions in HMM based speech synthesis
Savargiv et al. Study on unit-selection and statistical parametric speech synthesis techniques
Phan et al. Improvement of naturalness for an HMM-based Vietnamese speech synthesis using the prosodic information
Hsieh et al. A speaking rate-controlled mandarin TTS system
Narendra et al. Time-domain deterministic plus noise model based hybrid source modeling for statistical parametric speech synthesis
Wang et al. Speaker adaptation of speaking rate-dependent hierarchical prosodic model for Mandarin TTS
Yu Review of F0 modelling and generation in HMM based speech synthesis
Ronanki Prosody generation for text-to-speech synthesis
Ronanki et al. The CSTR entry to the Blizzard Challenge 2017

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
C56 Change in the name or address of the patentee

Owner name: IFLYTEK CO., LTD.

Free format text: FORMER NAME: ZHONGKEDA XUNFEI INFORMATION SCIENCE +. TECHNOLOGY CO., LTD., ANHUI PROV.

CP03 Change of name, title or address

Address after: Wangjiang Road high tech Development Zone Hefei city Anhui province 230088 No. 666

Patentee after: Iflytek Co., Ltd.

Address before: 230088 No. 616, Mount Huangshan Road, Hefei, Anhui

Patentee before: Zhongkeda Xunfei Information Science &. Technology Co., Ltd., Anhui Prov.