论文部分内容阅读
语音是人们交互最为方便快捷的方式,人们的语音交流中也夹杂了丰富的方言。因此,方言的转换与合成不但能够提高人机语音交互的和谐性和多样性,而且也能够提高人机对话过程的效率,成为了人机交互领域的一个重要研究课题。为了实现方言语音的转换,需要建立方言语音的韵律模型。本文建立了兰州方言语料库,对比分析了普通话和兰州方言的声学特征差异,建立了普通话到兰州方言转换的韵律模型,实现了普通话到兰州方言的转换和兰州方言的语音合成。论文工作对于揭示普通话与兰州方言之间的联系与区别、实现方言语音的合成具有重要的理论意义和应用价值。论文的主要工作和创新如下:1、设计了兰州方言的语料库。通过分析对比普通话和兰州方言的声、韵、调特点,结合《方言调查字表》设计了科学的文本语料库,并录制了普通话和兰州方言金城片平行的语音语料库,对语料库进行了细致的切分和韵律标注。该语料库包含:单音节字1280个,二字组词2000个,语句500句,负载句18句。其中,单音节字涵盖了四个声调的所有声韵母搭配;二字组词由四个声调以及轻声的20种组合;语句包含了兰州方言常用口语和摘录自人民日报的语句;负载句为“X说X这个X”。2、对普通话和兰州方言进行了声学特征对比分析。通过标注的基频和韵律边界,分析对比了普通话和兰州方言的单字、二字组、语句的基频和时长关系,利用模型分析法对比了模型参数的变化,对于时长,得到不同声调的时长和不同停顿级别的停顿时长关系,对比了二者的频谱质心和元音三角形。通过实验验证了普通话和兰州方言的声调调值规律和时长关系,找出了二者转换的规律。3、提出了基于五度字调模型的方言转换方法。利用五度字调模型产生兰州方言的基频曲线,通过修改普通话的基频曲线和时长,实现了普通话到兰州方言的转换。利用五度字调模型建立了单字和双字基频模型,并建立了基频补偿模型,实现基频的映射;利用统计方法建立了时长和停顿时长模型。实验结果表明,单字和双字转换的MOS评测得分在4.5分以上,语句的得分也在3.5分以上。4、利用单字拼接的方法实现了兰州方言的语音合成。利用SVR算法对语句的基频进行回归预测,得到在连续语句中不同语境下字的基频关键点和时长,利用该预测结果对单字拼接的语音进行基频和时长修正,得到较为自然的拼接合成的兰州方言。MOS评测结果为3.6,表明合成结果具有较高的自然度。