[發明專利]用于建模語音頻譜的系統和方法

無效

• 申請號: 200780041119.1
• 申請日: 2007-09-26
• 公開（公告）號: CN101536087A
• 公開（公告）日: 2009-09-16
• 發明（設計）人: J·尼爾米南;S·伊瑪南
• 申請（專利權）人: 諾基亞公司
• 主分類號: G10L19/08
• 分類號: G10L19/08;G10L19/02;G10L19/06
• 代理公司: 北京市金杜律師事務所
• 代理人: 吳立明

技術領域

本發明總體涉及語音處理。更特別地，本發明涉及諸如語音編 碼、話音轉換和文本到語音合成的語音處理應用。

背景技術

本部分意在提供在權利要求書中陳述的本發明的背景或上下 文。本文的描述可包括將被貫徹的概念，但前面被表達和貫徹的內 容并非是必須的。因而，除非在本文指出，在此部分所描述的并非 是在該申請中的說明書和權利要求書的現有技術，以及并非通過包 含于此部分內而承認其為現有技術。

許多語音模型依賴于基于線性預測(LP)的方法，其中使用 LP系數對聲道(vocal?tract)進行建模。繼而，使用進一步的技術對 激勵信號(即，LP殘差(residual))建模。下面是一些傳統技術。 第一，可將激勵建模為周期性脈沖(在話音語音(voiced?speech)期 間)或者噪聲(在非話音語音(unvoiced?speech)期間)。然而，由 于話音/非話音硬決策，限制了可獲得的質量。第二，可使用激勵頻 譜對激勵建模，其將在時變的截止頻率之下的激勵頻譜認為是話音 的，而將在該頻率之上的激勵頻譜認為是非話音的。這種頻帶切分 方法能夠在語音信號的許多部分上令人滿意地執行，但是問題依然 出現，尤其是在具有混合的聲音和噪聲語音的頻譜的情況下。第三， 可使用多帶激勵(MBE，multiband?excitation)模型。在此模型中， 頻譜可包括若干話音的頻帶和非話音的頻帶(多達諧波的數量)。 對于每個頻帶執行單獨的話音/非話音決策。盡管在一些情況下是相 當可接受的，但是MBE模型的性能關于對多個頻帶的話音/非話音 硬決策依然具有受限的質量。第四，在波形內插(WI，waveform interpolation)語音編碼中，將激勵建模為慢漸變波形(SEW，slowly evolving?waveform)和快漸變波形(REW，rapidly?evolving waveform)。SEW對應于話音的貢獻，而REW代表非話音的分布。 不幸的是，由于高復雜度和對于獲得SEW和REW的完美分割不總 是可行，此模型受到損害。

因此，希望提供一種改進的用于建模語音頻譜的系統和方法， 以解決上面提出的許多問題。

發明內容

本發明的多種實施方式提供了用于以話音的和非話音的貢獻 二者能夠共存于某頻率的方式來建模語音的系統和方法。為將復雜 度保持在適中的程度，使用三組頻譜帶(或者高達三種不同類型的 頻帶)。在一個特定實施方式中，最低頻帶或頻帶組完全是話音的， 中間頻帶或頻帶組包含話音的和非話音的貢獻兩者，而最高頻帶或 頻帶組是完全非話音的。此種實現在需要的場合提供了高的建模精 度，并且也以低計算負載支持較簡單的情況。可使用本發明的實施 方式用于語音編碼和其它語音處理應用，諸如文本到語音合成和話 音轉換。

本發明的多種實施方式在語音建模，尤其在較弱的話音語音的 情況下，提供了高精度，與此同時，僅承受適中的計算負載。多種 實施方式相對于傳統裝置也提供了在精度和復雜度之間的改進的平 衡。

當結合附圖而考慮時，從下文的詳細描述中，本發明的這些和 其它優點和特征，連同其操作的方式和組織將變得明顯，其中貫穿 下文描述的若干附圖，相同的單元具有相同的數字。

附圖說明

圖1是示出了可以如何實現多種實施方式的流程圖；

圖2是可在本發明的實現中使用的移動電話的透視圖；以及

圖3是對圖2移動電話的電話電路的示意性展現。

具體實施方式

本發明的多種實施方式提供了用于以話音的和非話音的貢獻 二者能夠共存于某頻率的方式來建模語音的系統和方法。為將復雜 度保持在適中的程度，使用三個頻譜帶集合(或者高達三種不同類 型的頻帶)。在一個特定實施方式中，最低頻帶或頻帶組完全是話 音的，中間頻帶或頻帶組包含話音的和非話音的貢獻兩者，而最高 頻帶或頻帶組是完全非話音的。此種實現在需要的場合提供了高的 建模精度，并且也以低計算負載支持較簡單的情況。可使用本發明 的實施方式用于語音編碼和其它語音處理應用，諸如文本到語音合 成和語音轉換。

本發明的多種實施方式在語音建模，尤其在較弱的話音語音的 情況下，提供了高精度，與此同時，僅承受適中的計算負載。多種 實施方式相對于傳統裝置也提供了在精度和復雜度之間的改進的平 衡。