基於之 VO/HMM 國語語句基週軌跡產生之方法

Abstract

本文提一種以向量量化(VQ)與隱藏式馬可夫模型(HMM)為基礎的方法，來掌握一個國語語句中相鄰音節的基週軌跡的出現相關性，而使得產生出的句子基週軌跡在自然度上獲得大幅的改進，我們稱它為基於語句基週軌跡隱藏式馬可夫模型(SOC-HMM)之基週軌跡產生法。關於國語語句的 SPC-HMM 的建立，我們先對訓練語句中各音節的基週軌跡作時間與音高的正規化，及向量量化的處理，然後以各訓練語句中相鄰音節的量化碼組合之序列，來訓練 SPC-HMM 模型，其中音高的正規化，我們也提出了實際有效的方法。在合成階段，除了可使用三次元動態規劃演算法來產生基週軌跡量化序列之外，也可配合上游處理得到的資訊來規劃狀態轉移序列，如此可得到更具有韻律變化的合成語音。我們進行實際的聽測實驗後發現，當把一個平常人所唸出的語音的韻律喜好度定為8分而滿分為10分時，依本方法產生的語句基週軌跡來合成的語音，反而可得到更好的8.2分之喜好度。