[發(fā)明專利]一種對普通話重音進行層次化建模和預(yù)測的方法

有效

• 申請?zhí)枺?/td>: 201110200330.1
• 申請日: 2011-07-18
• 公開（公告）號: CN102254554A
• 公開（公告）日: 2011-11-23
• 發(fā)明（設(shè)計）人: 陶建華;李雅
• 申請（專利權(quán)）人: 中國科學(xué)院自動化研究所
• 主分類號: G10L15/06
• 分類號: G10L15/06;G10L13/08
• 代理公司: 中科專利商標(biāo)代理有限責(zé)任公司 11021
• 代理人: 周國城

技術(shù)領(lǐng)域

本發(fā)明涉及人機交互中語音合成技術(shù)領(lǐng)域，尤其涉及一種對普通話重音進行層次化建模和預(yù)測的方法，具體地涉及普通話句重音、詞重音的建模，以及基于最大熵模型的詞重音、句重音的兩層重音預(yù)測方法。

背景技術(shù)

準(zhǔn)確的重音描述以及從文本信息中預(yù)測重音信息一直是語音合成至關(guān)重要的一步，是提高合成語音表現(xiàn)力、構(gòu)建和諧人機交互技術(shù)的重要組成部分。重音模型能夠刻畫出語音中的抑揚頓挫與輕重緩急，進而提高合成語音的表現(xiàn)力和自然度。重音的建模與預(yù)測對語音合成，人機交互等的發(fā)展具有重要意義。

雖然，在這個領(lǐng)域已經(jīng)有很多的研究工作，但是重音建模與預(yù)測還有很多問題至今沒有很好的解決。其中，具有重音標(biāo)注的用于語音合成的語料庫較少，且在僅有的幾個語料庫中，都強調(diào)重音音節(jié)的分析研究，沒有對輕音音節(jié)的分析。但是，從語音合成實驗結(jié)果來看，合成結(jié)果之所以不理想，重要原因之一就是現(xiàn)有合成系統(tǒng)忽略了語音輕音的問題。輕音除了對語流中的輕重緩急起到一定的襯托作用，它還具有表義的作用，即具有區(qū)分詞義的作用。

因此，為了提高合成語音的自然度和表現(xiàn)力，有必要加強輕音音節(jié)的研究，同時進一步提高重音音節(jié)的研究。

發(fā)明內(nèi)容

(一)要解決的技術(shù)問題

為了解決現(xiàn)有技術(shù)問題，本發(fā)明的主要目的是要提出一種對普通話重音進行層次化建模和預(yù)測的方法，以更精確的描述語音中用于表現(xiàn)韻律凸顯的重音現(xiàn)象，同時能夠從任意輸入的文本得到較為細(xì)致的重音等級標(biāo)注結(jié)果。

(二)技術(shù)方案

為達(dá)到上述目的，本發(fā)明提供了一種對普通話重音進行層次化建模和預(yù)測的方法，該方法采用層次化重音描述體系對普通話重音進行描述，包括：

選擇合適的重音描述體系，創(chuàng)建層級標(biāo)注的重音語料庫；

訓(xùn)練生成韻律詞重音預(yù)測模型；

訓(xùn)練生成句重音預(yù)測模型；以及

根據(jù)韻律詞重音模型與句重音預(yù)測模型結(jié)果綜合生成每個音節(jié)的重音標(biāo)注結(jié)果。

上述方案中，所述采用層次化重音描述體系對普通話重音進行描述，是采用句重音與韻律詞重音對普通話重音進行描述，以重音凸顯范圍將普通話重音分為句重音與韻律詞重音兩個層級，對于句重音層級采用重音音節(jié)的建模分析，而對于韻律詞重音層級采用輕音音節(jié)的建模分析。所述句重音用于表明在句子層面凸顯的韻律詞，所述韻律詞重音用于表明韻律詞內(nèi)部音節(jié)之間的凸顯對比。

上述方案中，所述選擇合適的重音描述體系，是以重音凸顯范圍將普通話重音分為句重音與韻律詞重音兩個層級，然后針對不同的層級，選擇不同的重音標(biāo)注單元。所述重音標(biāo)注單元分為兩類：在韻律詞重音中，重音標(biāo)注單元為單個韻律詞；在句重音標(biāo)注中，標(biāo)注單元為句子。所述創(chuàng)建層級標(biāo)注的重音語料庫，是在錄音室錄制語音數(shù)據(jù)，并進行音節(jié)切分，韻律邊界標(biāo)注，最后按照標(biāo)注單元的重音凸顯程度高低分別標(biāo)注為3、2、1三個等級。

上述方案中，所述訓(xùn)練生成韻律詞重音預(yù)測模型，是訓(xùn)練一個能夠預(yù)測當(dāng)前音節(jié)在其所在的韻律詞范圍內(nèi)是輕音的概率的模型，訓(xùn)練的具體過程為：采用一文本特征參數(shù)提取模塊，得到與韻律詞重音特征相關(guān)的文本特征參數(shù)F1作為模型訓(xùn)練輸入，利用最大熵模型，得到有關(guān)韻律詞內(nèi)部輕音節(jié)與非輕音節(jié)的文本特征差異，進而通過模型訓(xùn)練得到音節(jié)是輕音的概率，建立韻律詞重音預(yù)測模型。所述韻律詞重音預(yù)測模型具有一用于輸出韻律詞重音預(yù)測結(jié)果的輸出端。

上述方案中，所述訓(xùn)練生成句重音預(yù)測模型，是訓(xùn)練一個能夠預(yù)測當(dāng)前音節(jié)在句子范圍內(nèi)是重音的概率的模型，訓(xùn)練的具體過程為：采用一文本特征參數(shù)提取模塊，得到與句子級別重音預(yù)測相關(guān)的文本特征參數(shù)F2作為模型輸入，利用最大熵模型，訓(xùn)練有關(guān)句子層級重音節(jié)與非重音節(jié)的文本特征差異，進而通過模型訓(xùn)練得到音節(jié)是重音的概率，建立句重音預(yù)測模型。所述句重音預(yù)測模型具有一輸出句重音預(yù)測結(jié)果的輸出端。

上述方案中，所述根據(jù)韻律詞重音模型與句重音預(yù)測模型結(jié)果綜合生成每個音節(jié)的重音標(biāo)注結(jié)果，是將韻律詞重音預(yù)測結(jié)果和句重音預(yù)測結(jié)果采用公式進行加權(quán)綜合，然后輸出綜合后的層級重音標(biāo)注信息；其中，和分別是音節(jié)在當(dāng)前韻律詞和句子中的重音凸顯度，是韻律詞在當(dāng)前句子中的重音凸顯度。

(三)有益效果

從上述技術(shù)方案可以看出，本發(fā)明具有以下有益效果：