[发明专利]一种用于汉语语音合成的音调修正方法

权利要求书

1.一种用于汉语语音合成的音调修正方法，利用各种计算机和数字设备的输入，将所接收到的任意文字串转化为语音输出，其特征在于：由离线训练模块和参数语音合成模块组成，其中：

具有一离线训练模块，负责参考音调模型和增益、基频、声道谱和时长的参数生成模型的训练；

具有一参数语音合成模块，输入端接受文本信息，负责进行文本分析并根据文本分析的结果生成增益、声道谱系数序列和音调修正的基频序列，并进一步合成语音信号；具有一输出端输出合成的语音信号。

2.根据权利要求1所述的一种用于汉语语音合成的音调修正方法，其特征在于：所述离线训练模块包括：

具有一参考音调模型训练模块，负责提取训练语料的参数化音调，使用基于上下文的隐马尔科夫模型进行参考音调模型的训练；

具有一连续隐马尔科夫训练模块，使用连续隐马尔科夫模型进行增益、声道谱和时长生成模型的训练；

具有一多空间隐马尔科夫模型训练模块，使用多空间概率隐马尔科夫模型进行基频生成模型的训练。

3.根据权利要求1所述的一种用于汉语语音合成的音调修正方法，其特征在于：所述参考音调模型训练模块包括：

具有一基频提取模块，负责对全部训练语音进行精确的基频提取得到训练语料平滑的基频曲线；

具有一基频参数化模块，负责对全部训练语料的基频进行以音节为单位的参数化表示；

具有一基于上下文的参考音调模型训练模块，负责训练得到基于完整上下文的参考音调模型；

具有一基于上下文的决策树聚类模块，负责根据上下文特征对参考音调模型进行决策树聚类。

4.根据权利要求1所述的一种用于汉语语音合成的音调修正方法，其特征在于：所述基频参数化模块包括：

具有一基频归一化模块，负责对训练语料的基频进行归一化处理，具有一输出端负责输出归一化后的分段基频包络；

具有一基频参数提取模块，负责对归一化的基频包络进行参数化表示，具有一输出端负责输出归一化分段基频的包络参数。

5.根据权利要求1所述的一种用于汉语语音合成的音调修正方法，其特征在于：所述基于上下文的参考音调模型训练模块包括：

具有一上下文信息统计模块，负责统计训练语料中不同上下文的数目；

具有一均值累加计算模块，负责针对输入的每条训练语料进行相应模型均值的累加计算；

具有一方差计算模块，负责计算参考音调模型的全局方差；

具有一状态累加模块，负责统计每种上下文模型在训练语料中出现的次数。

6.根据权利要求1所述的一种用于汉语语音合成的音调修正方法，其特征在于：所述参数语音合成模块包括：

具有一文本分析模块，负责接收所要合成的任意文字串，进行音节和韵律层级结构分析，具有一输出端负责输出完整的合成标注信息；

具有一时长预测模块，负责接收文本分析模块输出的合成标注信息，使用时长生成模型进行状态时长预测，具有一输出端负责输出状态时长预测结果；

具有一基频预测模块，负责接收文本分析模块输出的合成标注信息，使用基频生成模型进行清浊音判决、基频包络预测和逆归一化因子的计算；

具有一音调调整模块，负责接收基频预测模块的清浊音判决结果、基频包络预测结果和逆归一化因子，使用参考音调模型计算参考基频包络，并进行基频包络修正；

具有一声道参数生成模块，负责接收文本分析模块输出的合成标注信息，使用增益和声道谱参数生成模型，计算增益和声道谱参数序列；

具有一波形生成模块，负责接收音调调整模块输出的修正基频包络和声道参数生成模块输出的基频、增益和声道谱参数序列，使用相应的滤波器合成语音波形。

7.根据权利要求1所述的一种用于汉语语音合成的音调修正方法，其特征在于：所述基频预测模块包括；

具有一清浊音判决模块，根据多空间基频生成模型中清音空间和浊音空间的权重比，进行状态清浊音判决；

具有一基频包络预测模块，根据清浊音判决结果计算浊音部分的基频值；

具有一逆归一化因子计算模块，根据浊音部分的基频值计算逆归一化因子。