張雪英，陳 潔，孫 穎

（太原理工大學(xué) 信息工程學(xué)院，太原030024）

語音合成的目的是建立一個(gè)有講話能力的計(jì)算機(jī)系統(tǒng)，以實(shí)現(xiàn)真正意義上的人機(jī)交互。基于大語料庫的拼接合成方法［1］是近年來語音合成中的主流方法。其基本原理是根據(jù)輸入文本分析得到的信息，從預(yù)先錄制和標(biāo)注好的語音庫中挑選合適的單元，然后拼接得到最終的合成語音。雖然大語料庫拼接合成系統(tǒng)保持了原始發(fā)音人的音質(zhì)，但也存在不少缺陷，比如：合成語音的效果不夠穩(wěn)定，音庫構(gòu)建周期太長以及合成系統(tǒng)的可擴(kuò)展性較差等，這些缺陷明顯限制了它在多樣化語音合成方面的應(yīng)用。因此，近年來基于隱馬爾可夫模型［2］（HMM）的可訓(xùn)練語音合成方法被提出并逐漸得到應(yīng)用。

基于HMM的語音合成系統(tǒng)對語音參數(shù)進(jìn)行建模，然后利用音庫數(shù)據(jù)進(jìn)行自動(dòng)訓(xùn)練，并最終形成一個(gè)相應(yīng)的合成系統(tǒng)［3］。與現(xiàn)在大語料庫拼接合成相比，其優(yōu)勢就在于可以在短時(shí)間內(nèi)，基本不需要人工干預(yù)的情況下自動(dòng)構(gòu)建一個(gè)新的系統(tǒng)，而且整個(gè)訓(xùn)練過程基本上是不依賴于發(fā)音人、發(fā)音風(fēng)格以及情感等因素。筆者研究了基于HMM的可訓(xùn)練語音合成方法，并將其原理應(yīng)用到英語合成中。

1 基于HMM的可訓(xùn)練語音合成系統(tǒng)概述

圖1是基于HMM的語音合成系統(tǒng)的基本框圖，它包括訓(xùn)練和合成兩個(gè)部分。在訓(xùn)練部分，首先，從語料庫中提取譜參數(shù)和基頻參數(shù)，然后利用上下文相關(guān)因素，對聲道譜、基頻和時(shí)長進(jìn)行建模。本系統(tǒng)利用HTK進(jìn)行訓(xùn)練。在合成部分，首先對輸入的文本進(jìn)行文本分析后，轉(zhuǎn)化為與文本相關(guān)的標(biāo)注序列，在此基礎(chǔ)上，利用上下文相關(guān)HMM，通過HTS［4－5］構(gòu)建句子 HMM，從而確定了各音素的合成參數(shù)，最后通過參數(shù)合成器［6］合成出語音。

圖1 基于HMM語音合成流程

2 英語語音標(biāo)注

模型訓(xùn)練前有一個(gè)重要的部分就是對上下文屬性集和用于決策樹聚類的問題集進(jìn)行設(shè)計(jì)［7］，即根據(jù)先驗(yàn)知識來選擇一些對聲學(xué)參數(shù)（能量、基頻和時(shí)長）有一定影響的上下文屬性，并設(shè)計(jì)相應(yīng)的問題集，以用于上下文相關(guān)模型。上下文屬性與決策樹設(shè)計(jì)的好壞會直接影響到最后合成語音的效果。因此，本文對英語的發(fā)音及語法特點(diǎn)進(jìn)行了深入的研究，設(shè)計(jì)了與之對應(yīng)的上下文屬性集和問題集。

2.1 音節(jié)

音節(jié)是讀音的基本單位，任何單詞的讀音，都是分解為一個(gè)個(gè)音節(jié)朗讀。在英語中元音特別響亮，一個(gè)元音可構(gòu)成一個(gè)音節(jié)，一個(gè)元音和一個(gè)或幾個(gè)輔音音素結(jié)合也可以構(gòu)成一個(gè)音節(jié)；輔音不響亮，不能構(gòu)成音節(jié)。但英語輔音字母中有4個(gè)輔音［m］，［n］，［ng］，［l］是響音，它們和輔音音素結(jié)合，也可構(gòu)成音節(jié)。它們構(gòu)成的音節(jié)往往出現(xiàn)在詞尾，一般是非重讀音節(jié)。

英語單詞有一個(gè)音節(jié)的，兩個(gè)音節(jié)的，多個(gè)音節(jié)的。只有一個(gè)音節(jié)的詞叫單音節(jié)詞，如：take拿；有兩個(gè)音節(jié)的詞叫雙音節(jié)詞，如ta＇ble桌子；包含三個(gè)音節(jié)或三個(gè)音節(jié)以上的詞叫多音節(jié)詞，如pop＇ula＇tion 人口，congrat＇ula＇tion 祝賀。

2.2 音節(jié)劃分的方法

英語中，元音是構(gòu)成音節(jié)的主體，輔音是音節(jié)的分界線，相應(yīng)的音節(jié)劃分的規(guī)則如下：

1）兩輔音之間不管有多少個(gè)元音，一般都是一個(gè)音節(jié)。如：bed床，bet打賭，seat坐位，beat毒打，beaut極好的，beau＇ty 美。

2）兩元音字母之間有一個(gè)輔音字母時(shí)，輔音字母歸后一音節(jié)。如：stu＇dent學(xué)生，la＇bour勞動(dòng)。

3）有兩個(gè)輔音字母時(shí)，前一個(gè)輔音字母歸前一音節(jié)，另一個(gè)歸后一音節(jié)。如：let＇ter 信，win＇ter 冬天。

4）不能拆分的字母組合按字母組合劃分音節(jié)。如：fa＇ther父親，tea＇cher教師。

2.3 音節(jié)重讀規(guī)則

音節(jié)按是否重讀可以分為重讀音節(jié)和非重讀音節(jié)。重讀音節(jié)是指在雙音節(jié)或多音節(jié)詞中的一個(gè)發(fā)音特別響亮的音節(jié)。欲使合成的語音能更好地被人耳所識別，進(jìn)行音節(jié)劃分時(shí)就必須考慮音節(jié)的重讀問題［8－9］。

英語中，判斷音節(jié)重讀的規(guī)則如下：

1）單音節(jié)詞多是重讀音節(jié)。

2）雙音節(jié)詞的第一個(gè)音節(jié)通常是重讀音節(jié)，但是：含有a-，be-，de-，re-，in-，ex-等前綴的雙音節(jié)詞往往是在第二個(gè)音節(jié)重讀。

3）多音節(jié)詞通常在倒數(shù)第三個(gè)音節(jié)重讀，但是：詞尾有-lc，-tion，-sion等后綴的詞，在其前一個(gè)音節(jié)重讀。

4）含有-tion、-sion、-ssion等字母組合時(shí)，重讀音節(jié)為該字母組合前與之緊挨著的那個(gè)音節(jié)。

3 HMM可訓(xùn)練合成系統(tǒng)應(yīng)用于英語合成的改進(jìn)設(shè)計(jì)

3.1 語音標(biāo)注

欲實(shí)現(xiàn)文本到語音的轉(zhuǎn)換，必須對文本進(jìn)行語音標(biāo)注。首先需將文本內(nèi)容按句斷開；然后對每一句中的具有獨(dú)立意義的詞進(jìn)行分隔；分隔出來的獨(dú)立詞再按音節(jié)進(jìn)行劃分，進(jìn)行音節(jié)劃分時(shí)一定要注意重讀音節(jié)的位置；最后針對每一個(gè)音節(jié)進(jìn)行音素切割，判斷每個(gè)音節(jié)內(nèi)所包含的音素。

3.2 上下文相關(guān)語法

上下文相關(guān)語法記錄各聲學(xué)模型合成單元的特征及其與相鄰合成單元之間的聯(lián)系。在訓(xùn)練階段，建立決策樹時(shí)應(yīng)用此語法中所記錄的各個(gè)信息與問題集進(jìn)行對比，進(jìn)行資料分群；在合成階段，則可從決策樹中取得適當(dāng)?shù)膮?shù)，產(chǎn)生平順的合成語音。式（1）是針對英文語音合成系統(tǒng)設(shè)計(jì)的上下文相關(guān)語法的格式，其中各個(gè)符號的定義見表1。

表1 上下文相關(guān)語法中各標(biāo)號的含義

3.3 決策樹問題集

決策樹問題集記載了一系列資料分群規(guī)則，使得合成系統(tǒng)在建立決策樹時(shí)，能依據(jù)問題集進(jìn)行資料分群［10］。本合成系統(tǒng)中，主要考慮設(shè)計(jì)了合成單元相關(guān)、字相關(guān)以及詞相關(guān)這三類問題。

1）合成單元相關(guān)。首先，考慮當(dāng)前合成單元與前后各一個(gè)合成單元各是什么。然后考慮當(dāng)前合成單元在字、詞中的順序（正序、倒序）。例：合成單元種類（以合成單元「a-i」為例）：

L-a-i｛a-i｝／／前一個(gè)合成單元是否為「a-i」？

C-a-i｛a-i｝／／當(dāng)前合成單元是否為「a-i」？

R-a-i｛a-i｝／／后一個(gè)合成單元是否為「a-i」？

2）字相關(guān)。首先，考慮當(dāng)前字及前后字中，各有幾個(gè)合成單元。其次，考慮當(dāng)前字在詞中的順序（正序、倒序）。

3）詞相關(guān)?？紤]當(dāng)前詞在句中的順序（正序、倒序）。

4 實(shí)驗(yàn)結(jié)果及分析

根據(jù)上述設(shè)計(jì)改進(jìn)，最終構(gòu)造出可訓(xùn)練英語語音合成系統(tǒng)。通過對該系統(tǒng)所生成的語音進(jìn)行大量主觀辯聽實(shí)驗(yàn)，證實(shí)了該系統(tǒng)能合成出流暢、清晰、易懂的英語語音。下面是利用本系統(tǒng)合成簡短語句的實(shí)例，通過該系統(tǒng)合成語音：“Alice was tired”。

首先，分析該語句的結(jié)構(gòu)，通過斷句、斷詞以及音節(jié)劃分，得出該語句的結(jié)構(gòu)如表2所示。

表2 語句“Alice was tired”的結(jié)構(gòu)

然后，分析每個(gè)音節(jié)所包含的音素，并判斷該音節(jié)是否重讀，分析結(jié)果如表3所示。

表3 語句“Alice was tired”音節(jié)分析

根據(jù)以上分析結(jié)果，結(jié)合上下文相關(guān)語法手工編寫語句“Alice was tired”的語音標(biāo)簽文件alice.lab。然后，依據(jù)所設(shè)計(jì)的決策樹問題集，最終通過本系統(tǒng)生成該語句的語音文件alice.wav。圖2為所合成語句“Alice was tired”的波形圖和語譜圖，圖3為該語句的基頻分析圖。由圖中可以看出，語音波形較穩(wěn)定，而且沒有過高或過低的基頻點(diǎn)，即基頻分析圖中沒有基頻奇異點(diǎn)，說明合成的語音平穩(wěn)流暢。另外，通過主觀辯聽，證實(shí)所合成出的語音清晰易懂，較好地實(shí)現(xiàn)了本英語語音合成系統(tǒng)的基本要求。

5 結(jié)論與展望

筆者將改進(jìn)的HMM可訓(xùn)練語音合成方法成功應(yīng)用于英語語音合成。通過對HMM建模，并且基于英文語音特性設(shè)計(jì)上下文屬性集以及用于模型聚類的問題集，提高了其建模和訓(xùn)練效果。實(shí)驗(yàn)結(jié)果證實(shí)，該系統(tǒng)能實(shí)現(xiàn)英語文本到語音的轉(zhuǎn)換，并且轉(zhuǎn)換結(jié)果良好。下一步的研究工作是以設(shè)計(jì)出更完善的英語韻律邊界自動(dòng)劃分、準(zhǔn)確的重音預(yù)測系統(tǒng)，并在此基礎(chǔ)上設(shè)計(jì)出基于HMM可訓(xùn)練的英語語音合成系統(tǒng)的前端，最后構(gòu)建出功能更加完整的基于HMM可訓(xùn)練的英語語音合成系統(tǒng)。

［1］ CAMPBELL W N，BLACK A W.Prosody and the selection of source unit for concatenative synthesis［M］.Springer Verlag：Progress in Spreech Synthesis，1996.

［2］ RABINER L R.A tutorial on hidden Markov models and selected applications in speech recognition［J］.Proceedings of the IEEE，1989，77（2）：257-286.

［3］ 馮志紅，張連海，吳保民.基于 HMM 的英語文語轉(zhuǎn)化系統(tǒng) ［J］.信息工程大學(xué)學(xué)報(bào)，2008，9（1）：31-35.

［4］ Zen Heiga，Takashi，Nose，Yamagishi.The HMM-based speech synthesis system （HTS）version 2.0［C］∥Proc of ISCA Bonn Germany，Germany，2007：22-24.

［5］ HUANG X，ACERO A .Recent improvements on Microsoft’s trainable text-to-speech system－whistler［C］∥Proc of ICASS，1997：959-963.

［6］ 吳義堅(jiān).基于隱馬爾科夫模型的語音合成技術(shù)研究［D］.合肥：中國科學(xué)技術(shù)大學(xué)，2010.

［7］ 王碧泉，陳祖蔭.模式識別：理論、方法和應(yīng)用［M］.北京：地震出版社，1989：23-44.

［8］ 朱維彬.支持重音合成的漢語語音合成系統(tǒng)［J］.中文信息學(xué)報(bào)，2007，5（3）：122-124.

［9］ 邵艷波，韓紀(jì)慶.自然風(fēng)格語言的漢語重音自動(dòng)判別研究［J］.聲學(xué)學(xué)報(bào)，2006，1（3）：203-205.

［10］ 段全盛，康世胤.一種適合HMM漢語語音合成的建模單元挑選算法［C］∥第十屆全國人機(jī)語音通訊學(xué)術(shù)會議論文集，2009：87-88.