[发明专利]一种基于混合隐马尔可夫模型的语音合成系统

权利要求书

1、一种基于混合隐马尔可夫模型的语音合成系统，利用各种电脑终端及数字移动设备，将系统接收的或输入的任意文字串转换成语音输出，其特征在于：由频谱信息生成模块、基频信息生成模块、参数语音合成器模块、离线训练部分组成，其中：

具有一频谱信息生成模块，输入端接收任意文本信息，负责根据指标来选取表征频谱信息的码本矢量并产生完整的频谱信息；具有一输出端输出完整的频谱信息；

具有一基频信息生成模块，输入端接收文本信息，负责预测待合成句子的音高变化；具有一输出端输出完整的基频曲线；

具有一参数语音合成器模块，输入端接收来自于频谱信息生成模块的频谱信息和来自于基频信息生成模块的基频信息；具有一输出端输出合成的语音结果；

具有一离线训练模块，负责各种隐马尔可夫模型的训练。

2、根据权利要求1所述的基于混合隐马尔可夫模型的语音合成系统，其特征在于：所述频谱信息生成模块包括：

具有一隐马尔可夫模型映射模块，接受任意文本信息，将其表征为带有韵律信息标注的音素序列，找到与其最符合的隐马尔可夫模型；具有一输出端输出隐马尔可夫模型状态序列；

具有一离散隐马尔可夫模型模块，根据训练得到的离散隐马尔可夫模型得到当前状态下码本矢量的输出概率；具有一输出端输出当前状态下码本矢量的输出概率；根据该输出概率进行码本的选择，保证码本选择的正确性；

具有一有关共振峰轨迹的多空间概率隐马尔可夫模型模块，根据训练得到的多空间概率隐马尔可夫模型得到当前状态下的共振峰轨迹；具有一输出端输出当前状态下的共振峰轨迹；合成语音的共振峰轨迹应该与该理想的共振峰轨迹相吻合，保证语音的清晰度；

具有一拼接概率模块，具有一输出端输出相邻状态之间所有码本矢量的输出概率；依据两两候选码本之间相邻的概率进行码本选择，使频谱在时域上具有多样性；

具有一有关能量轨迹的连续隐马尔可夫模型模块，根据训练得到的连续隐马尔可夫模型得到当前状态下的能量轨迹；具有一输出端输出当前状态下的能量轨迹；

具有一码本选择模块，根据离散隐马尔可夫模型模块、有关共振峰轨迹的多空间概率隐马尔可夫模型模块和拼接概率模块的输出结果使用动态规划算法进行码本的选择；具有一输出端输出选择得到的码本序列；

码本选择模块的输出和有关能量轨迹的连续隐马尔可夫模型模块的输出，两者结合，获得完整的频谱信息。

3、根据权利要求1所述的基于混合隐马尔可夫模型的语音合成系统，其特征在于：所述基频信息生成模块包括：

具有一有关基频曲线的多空间概率分布隐马尔可夫模块，根据训练得到的多空间概率分布隐马尔可夫模型得到待合成语句的基频曲线；具有一输出端输出待合成语句的基频曲线。

4、根据权利要求1所述的基于混合隐马尔可夫模型的语音合成系统，其特征在于：所述参数语音合成器模块包括：

具有一语音参数合成器模块，接受来自频谱信息生成模块和基频信息生成模块的输出；具有一输出端输出合成的语音。

5、根据权利要求1所述的基于混合隐马尔可夫模型的语音合成系统，其特征在于：所述离线训练模块包括：

具有一离散隐马尔可夫模型训练模块，负责对所有频谱矢量进行矢量量化，并进行离散隐马尔可夫模型的训练；

具有一连续隐马尔可夫模型训练模块，使用连续隐马尔可夫模型进行能量轨迹的训练；

具有一多空间隐马尔可夫模型训练模块，使用多空间概率隐马尔可夫模型进行基频曲线、共振峰轨迹的训练。

6、根据权利要求1所述的基于混合隐马尔可夫模型的语音合成系统，其特征在于：所述离散隐马尔可夫模型训练模块包括：

具有一矢量量化模块，负责将语料中所有频谱矢量表示为有限的类别数，具有一输出端用于输出频谱矢量有限的类别数；

具有一训练模块具有一输入端与矢量量化模块的输出端连接，接收频谱矢量有限的类别数，用于训练离散隐马尔可夫模型得到每个状态下码本矢量对应的输出概率，具有一输出端用于输出码本概率。