專利名稱：一種用于嵌入式語音合成系統(tǒng)的音庫壓縮及使用方法
技術(shù)領(lǐng)域：
本發(fā)明總的來說涉及一種面向嵌入式語音合成系統(tǒng)的音庫壓縮和使用方法，尤其 是存儲和運(yùn)算資源有限的終端設(shè)備。
背景技術(shù)：
語音合成技術(shù)的目的是讓機(jī)器還原自然的人類語音，嵌入式設(shè)備應(yīng)用廣泛，終端 類嵌入式設(shè)備與用戶交互頻繁，語音是最自然的交互手段。一般的語音合成系統(tǒng)可分為三 個主要的功能模塊文本分析模塊、韻律生成模塊和聲學(xué)合成模塊?；诖笠?guī)模語料庫的 拼接合成方法由于技術(shù)簡單，合成音質(zhì)高被廣泛采用。但是，這種方法的音庫規(guī)模大，雖然 通過聚類、編碼和壓縮等技術(shù)手段處理后，空間可以降低，但音質(zhì)受到損傷，且靈活度下降。 因此，近年來基于大規(guī)模語料庫的統(tǒng)計(jì)建模參數(shù)合成方法被廣泛研究，基本思想是，對大量 的原始語音庫進(jìn)行參數(shù)化表示和統(tǒng)計(jì)建模，合成時依照特定規(guī)則挑選模型構(gòu)成模型序列， 進(jìn)一步計(jì)算得到合成語句的參數(shù)序列，通過參數(shù)化合成的方法合成符合要求的語音。通過 參數(shù)化統(tǒng)計(jì)建模方法合成的語音具有較高的自然度和智能度。在這種方法中，為保證合成 效果，原始語音庫需要盡可能覆蓋韻律特征，得到的模型庫可達(dá)到數(shù)百兆字節(jié)。經(jīng)過模型聚 類，可將模型庫壓縮至十兆左右。這種規(guī)模對一些掌上電腦等中高端設(shè)備的存儲和計(jì)算能 力來說可以滿足，但對于運(yùn)算和存儲資源有限的終端設(shè)備來說仍無法滿足實(shí)用的要求。在參數(shù)化統(tǒng)計(jì)建模語音庫的訓(xùn)練過程中，常采用的語音特征參數(shù)為基音頻率、 頻譜系數(shù)和時長特征，參數(shù)化模型為隱半馬爾科夫模型(HSMM)。根據(jù)隱半馬爾科夫模型 (HSMM)的狀態(tài)跳轉(zhuǎn)特性，每種特征的模型包括各個狀態(tài)的決策樹和表示決策樹葉節(jié)點(diǎn)的概 率分布函數(shù)。目前常采用的概率密度函數(shù)表示方法為單高斯模型。最終得到的模型中，頻 譜系數(shù)的模型占最終模型大小的80% 90%的空間，是最需要壓縮的部分。目前已有的 減小頻譜參數(shù)模型規(guī)模的方法采用降低數(shù)值精度、控制聚類因子和捆綁方差等方式。在采 用音節(jié)作為合成系統(tǒng)基本單元的前提下，控制訓(xùn)練數(shù)據(jù)量至合成語音聽感可接受的最小值 時，基于上述方法得到的模型庫至少也需要1兆字節(jié)的存儲空間。并且，若對聚類進(jìn)行更嚴(yán) 格的控制，則合成語音的自然度和音質(zhì)都會顯著下降。上述系統(tǒng)對資源有限的設(shè)備來說仍 然開銷較大，難以滿足用戶的需求。因此，需要一種改進(jìn)的方法，用于在嵌入式平臺下實(shí)現(xiàn) 占用資源較小的參數(shù)化語音合成系統(tǒng)。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題是提供一種應(yīng)用于嵌入式中文語音合成系統(tǒng)的音庫 壓縮和使用方法。它使語音模型庫占用極小的空間資源，提高運(yùn)算速度，同時保持了較好的 合成自然度和音質(zhì)。為實(shí)現(xiàn)上述目的，本文提供了一種參數(shù)化統(tǒng)計(jì)模型的壓縮和使用方法，用于減小 模型庫占用的空間并維持合成的音質(zhì)。原始模型庫的訓(xùn)練和合成過程采用漢語中的音節(jié)作 為基本單元；模型庫的壓縮過程分為下述三個步驟
A.創(chuàng)建基于漢語音節(jié)的原始模型庫。B.將表示原始頻譜模型的單高斯分布分解為能量、譜均值和譜方差三部分。利用 矢量量化技術(shù)對譜均值和譜方差分別進(jìn)行壓縮。C.將能量、壓縮得到的譜均值碼本和索引以及全局方差組合，得到最終的壓縮模 型庫。上述的參數(shù)化統(tǒng)計(jì)模型的壓縮和使用方法，其特征是所述基于漢語音節(jié)為單元 的原始模型庫創(chuàng)建過程分為下述五個步驟A.創(chuàng)建基于漢語音節(jié)的原始語音庫。B.提取語音庫中所有音節(jié)的基音頻率、頻譜參數(shù)和時長參數(shù)。訓(xùn)練不考慮上下文 語境的音節(jié)模型。C.根據(jù)所有音節(jié)的語境信息訓(xùn)練考慮上下文語境的音節(jié)模型，并使用基于決策樹 的方法對模型進(jìn)行狀態(tài)聚類。D.將聚類后的模型參數(shù)進(jìn)一步訓(xùn)練。E.返回步驟C重復(fù)步驟C、D，輸出參數(shù)化統(tǒng)計(jì)模型。上述的參數(shù)化統(tǒng)計(jì)模型的壓縮和使用方法，其特征是所述頻譜模型壓縮過程分 為下述六個步驟A.將頻譜模型的狀態(tài)高斯分布分為能量、譜均值和譜方差三部分。本方法考慮了 一階動態(tài)特征和二階動態(tài)特征。B.將所有狀態(tài)分布的均值矢量(包含靜態(tài)特征、一階動態(tài)特征和二階動態(tài)特征) 作為訓(xùn)練樣本，進(jìn)行矢量量化的碼本訓(xùn)練。C.搜索矢量量化分類后每一類中離碼本距離最小的訓(xùn)練樣本，替代該類碼本保存 下來。D.用新的碼本對訓(xùn)練樣本重新分類。E.判斷新的分類結(jié)果與原分類結(jié)果是否相同。如果是，則譜均值矢量量化碼本訓(xùn) 練結(jié)束；如果否，則返回步驟C重復(fù)步驟C、D0F.將所有狀態(tài)分布的方差矢量(包含靜態(tài)特征、一階動態(tài)特征和二階動態(tài)特征) 進(jìn)行平均，得到全局方差矢量。上述的參數(shù)化統(tǒng)計(jì)模型的壓縮和使用方法，其特征是所述模型重新組合過程如 下將原模型中的狀態(tài)分布以能量值和對應(yīng)的均值矢量碼本索引代替，最后存入全局方差值。上述方法可大幅度壓縮采用音節(jié)作為基元的頻譜模型，同時保持了原模型合成的 音質(zhì)和自然度。為更好的滿足嵌入式設(shè)備運(yùn)算速度的要求，本發(fā)明還提供了一種嵌入式語音合成 系統(tǒng)。包括下述四個步驟A.文本分析及韻律生成模塊，用于對合成文本進(jìn)行內(nèi)容分析，得到對應(yīng)的音節(jié)序 列，同時每個音節(jié)附著相關(guān)的以上下文語境標(biāo)識的韻律信息，其格式與模型訓(xùn)練時使用的 標(biāo)識相同；B.模型決策模塊，用于接收上述附著韻律信息的音節(jié)序列，利用訓(xùn)練得到的模型 決策樹生成相應(yīng)的模型狀態(tài)序列，并得到時長決策結(jié)果；
C.參數(shù)序列生成模塊，用于接收上述模型狀態(tài)序列，利用所述的壓縮頻譜模型計(jì) 算全局方差加窗矩陣，最后計(jì)算得到譜參數(shù)序列和基頻參數(shù)序列；D.語音波形合成輸出模塊，用于接收所述的參數(shù)序列，生成所要合成的語音波形 數(shù)據(jù)，并輸出播放或存儲。上述的嵌入式語音合成系統(tǒng)，其特征是所述參數(shù)序列生成模塊分為以下5個步 驟A.根據(jù)頻譜系數(shù)的狀態(tài)序列計(jì)算得到能量序列和頻譜系數(shù)序列，根據(jù)基音頻率的 狀態(tài)序列計(jì)算得到基音頻率序列；B.根據(jù)全局方差計(jì)算全局方差矩陣。在參數(shù)生成過程中，采用逐維生成的方式計(jì) 算所需要合成的特征參數(shù)，每次計(jì)算取一維的均值或全局方差；C.根據(jù)接收的模型狀態(tài)序列對應(yīng)的狀態(tài)譜均值碼本序列，獲取一維譜均值碼本序 列；D.根據(jù)接收的全局方差矩陣和狀態(tài)譜均值碼本序列求解特征參數(shù)序列；E.判斷是否處理完全部頻譜系數(shù)。如果是，則頻譜系數(shù)求解結(jié)束；如果否，則返回 步驟C重復(fù)步驟C、D。依照上述方法建立的嵌入式語音合成系統(tǒng)，完全可以在所述嵌入式系統(tǒng)下應(yīng)用， 且其所占用的空間資源和需要的計(jì)算復(fù)雜度均不超過嵌入式設(shè)備所具備的能力。下面結(jié)合附圖和實(shí)施例對本發(fā)明進(jìn)一步說明，通過結(jié)合附圖對系統(tǒng)各組成部件的 詳細(xì)說明將會更好地描述實(shí)現(xiàn)本發(fā)明的步驟和過程。


附圖1基于漢語音節(jié)的嵌入式語音合成系統(tǒng)的結(jié)構(gòu)框圖附圖2頻譜模型壓縮過程示意圖附圖3頻譜參數(shù)生成過程示意中1.文本輸入，2.文本分析及韻律生成，3.模型決策，4.參數(shù)生成，5.波形 合成，6.語音輸出，7.訓(xùn)練語音庫，8.HMM模型訓(xùn)練，9.數(shù)據(jù)分解，10.模型壓縮，11.數(shù)據(jù) 重組，12.壓縮模型庫，13.碼本是否穩(wěn)定，14.數(shù)據(jù)重新分類，15.碼本搜索替代，16.矢量 量化，17.狀態(tài)譜均值，18.狀態(tài)譜方差，19.方差平均，20.結(jié)束，21.是，22.否，23.開始， 24.計(jì)算全局方差矩陣，25.獲取狀態(tài)相應(yīng)維度的碼本序列，26.求解一維頻譜系數(shù)序列， 27.是否處理完18維參數(shù)，28.結(jié)束，101.模型訓(xùn)練部分，102.語音合成系統(tǒng)。
具體實(shí)施例方式在附圖1中，在本發(fā)明的實(shí)施方案中，本發(fā)明的語音合成系統(tǒng)部署在一種嵌入式 操作系統(tǒng)中，該嵌入式語音合成系統(tǒng)包括模型訓(xùn)練部分(101)，語音合成系統(tǒng)(102)。其中，模型訓(xùn)練部分(101)只在系統(tǒng)線下使用，僅用于生成語音合成系統(tǒng)工作時 所需要的壓縮模型庫(12)。其中訓(xùn)練語音庫(7)包括錄制好的原始語音，由訓(xùn)練語音庫 (7)線下生成壓縮模型庫(12)的過程包括HMM模型訓(xùn)練步驟(8)、數(shù)據(jù)分解(9)、模型壓縮 (10)和模型重組(11)。在HMM模型訓(xùn)練步驟(8)中，首先利用語音識別工具包(HTK)對錄制好的原始訓(xùn)練語音庫以音節(jié)為單位進(jìn)行自動切分，得到粗切邊界信息，并手工進(jìn)行校對。然后根據(jù)音節(jié) 的上下文語境和韻律信息進(jìn)行標(biāo)注，包括當(dāng)前音節(jié)、當(dāng)前音節(jié)音調(diào)、前一音節(jié)、前一音節(jié)音 調(diào)、后一音節(jié)、后一音節(jié)音調(diào)以及對文本進(jìn)行文法分析得到的高層次韻律信息，即低層次韻 律單元在高層次韻律單元中的位置和數(shù)目，本實(shí)例考慮的韻律層次包括韻律詞、韻律短語 和句子。利用語音合成模型訓(xùn)練工具包(HTQ對原始訓(xùn)練語音進(jìn)行HSMM模型訓(xùn)練，模型內(nèi) 容包括基音頻率、頻譜系數(shù)和時長參數(shù)。時長以幀數(shù)表示，幀長5毫秒。模型分為10個狀 態(tài)，每個狀態(tài)采用單高斯模型表示狀態(tài)概率分布。訓(xùn)練過程中根據(jù)需要通過適度控制模型 聚類因子控制基音頻率和時長模型的大小，得到原始語音模型庫。在數(shù)據(jù)分解(9)中，將頻譜模型的狀態(tài)高斯分布分為能量、譜均值和譜方差三部 分。本實(shí)例考慮的所有特征均考慮由其靜態(tài)特征、一階動態(tài)特征和二階動態(tài)特征組成的組 合特征。本實(shí)例采用的頻譜系數(shù)為18維線譜對(LSP)系數(shù)，HSMM模型的狀態(tài)采用單高斯 分布表示。因此每個原始頻譜模型狀態(tài)包含1個57維均值矢量和57維方差矢量。分解后 的每個原始頻譜模型數(shù)據(jù)表示為1個3維能量矢量，1個M為均值矢量，一個57維方差矢 量。將所有原始狀態(tài)譜均值(17)構(gòu)成均值量化碼本訓(xùn)練數(shù)據(jù)，將所有原始狀態(tài)譜方差(18) 構(gòu)成全局方差的訓(xùn)練數(shù)據(jù)。在模型壓縮(10)中，如附圖2所示。模型壓縮過程分為下述五個步驟矢量量化(16)，將均值矢量作為矢量量化碼本訓(xùn)練數(shù)據(jù)，采用LBG算法訓(xùn)練一個
初始碼本。在訓(xùn)練過程中，根據(jù)選用的18維線譜對(LSP)系數(shù)的特征，對系數(shù)之間的距離
進(jìn)行加權(quán)，定義兩個線譜對系數(shù)χ和1之間的加權(quán)線譜對距離為 1 18 18 18^ =-Λ)2+Σ(Δχ -AvJ2+Σ(Δ\-Δ2Λ)2]其中加權(quán)系數(shù)為
1, 1 1 1 1 ,Wtl =-(-+-+-+--)
2 -^ +1 — Χη Χη Χη-\ ^η+1 _ ^n ~~ 少《-1χη、χη+1、χη-1、yn、yn+1、yn_l分別為特征χ和y的第η維，η+1維和η_1維靜態(tài)
系數(shù)。Δ Xn，Ayn，Δ2χη, Δ 相應(yīng)的一階動態(tài)和二階動態(tài)系數(shù)。碼本搜索替代(15)，搜索矢量量化分類后每一類中離碼本距離最小的訓(xùn)練樣本， 替代該類碼本保存下來，距離判斷準(zhǔn)則采用所述的加權(quán)線譜對距離。數(shù)據(jù)重新分類(14)，用新的碼本對訓(xùn)練樣本重新分類，分類距離判斷準(zhǔn)則采用所 述的加權(quán)線譜對距離。碼本是否穩(wěn)定(13)，判斷新的分類結(jié)果與原分類結(jié)果是否相同。如果是，則譜均值 矢量量化碼本訓(xùn)練結(jié)束；如果否，則返回?cái)?shù)據(jù)重新分類(14)重復(fù)數(shù)據(jù)重新分類(14)。方差平均(19)，將所有狀態(tài)分布的方差矢量(包含靜態(tài)特征、一階動態(tài)特征和二 階動態(tài)特征)進(jìn)行平均，得到全局方差矢量。在數(shù)據(jù)重組(11)中，將原模型中的狀態(tài)分布以能量值和對應(yīng)的均值矢量碼本索 引代替，最后存入全局方差值。其余模型依次按照需要組合在一起，形成一個壓縮模型 (12)。至此語音合成系統(tǒng)的模型訓(xùn)練部分(101)結(jié)束工作。如附圖1所示，文本文本輸入(1)接收輸入的文本，在本發(fā)明的實(shí)施例中，系統(tǒng)提 供了可供手寫輸入或文本選取粘貼的輸入界面。
語音合成系統(tǒng)(10 又包括文本分析及韻律生成( ，模型決策( ，參數(shù)生成(4) 和波形合成(5)。其中文本分析及韻律生成模塊將接收到的輸入漢字文本串轉(zhuǎn)換為附著相 關(guān)的上下文語境信息的音節(jié)字符串。模型決策模塊根據(jù)訓(xùn)練得到的模型決策樹將接收到的 音節(jié)字符串確定各個狀態(tài)的時長并得到基音頻率和頻譜系數(shù)的模型狀態(tài)序列。參數(shù)生成模 塊根據(jù)頻譜系數(shù)的狀態(tài)序列計(jì)算得到能量序列和頻譜系數(shù)序列，根據(jù)基音頻率的狀態(tài)序列 計(jì)算得到基音頻率序列，如圖3所示，頻譜系數(shù)序列的計(jì)算過程分為下述四個步驟計(jì)算全局方差矩陣(M)，根據(jù)全局方差計(jì)算全局方差矩陣。在參數(shù)生成過程中，采 用逐維生成的方式計(jì)算所需要合成的特征參數(shù)，每次計(jì)算取一維的均值或全局方差。所用 到的全局方差矩陣共有兩類，分別為WUffn = WXUnXff和WUn = WXUn其中U是第η維全局方差及其一階和二階動態(tài)系數(shù)，W是動態(tài)窗系數(shù)，乘法為矩陣 乘法；獲取狀態(tài)相應(yīng)維度的碼本序列0 ，根據(jù)接收的模型狀態(tài)序列對應(yīng)的狀態(tài)譜均值 碼本序列，獲取一維譜均值碼本序列；求解一維頻譜系數(shù)序列06)，根據(jù)接收的全局方差矩陣和狀態(tài)譜均值碼本序列求 解特征參數(shù)序列，方法為求解下面的矩陣方程WUWnT XL7n= WUrn x Ml其中L為所求的線譜對系數(shù)序列，方程解算方法可以采用任何一種滿足嵌入式系 統(tǒng)計(jì)算需求的線性矩陣方程求解算法。本實(shí)例中采用對系數(shù)矩陣進(jìn)行LU分解和前向后向 高斯消去的求解方法；判斷是否處理完全部18維頻譜系數(shù)(XT)。如果是，則頻譜系數(shù)求解結(jié)束；如果否， 則返回獲取狀態(tài)相應(yīng)維度的碼本序列(25)，重復(fù)獲取狀態(tài)相應(yīng)維度的碼本序列(25)、求解 一維頻譜系數(shù)序列06)。至此，參數(shù)生成模塊工作結(jié)束。采用本發(fā)明所提供的全局方差矩陣方案可以提高 運(yùn)算速度，節(jié)省中間步驟的空間消耗。在波形合成步驟中，所采用的可以是任意一種能夠滿足設(shè)備資源需求的算法，例如 G. 723中所采用的合成濾波方法，或其他基于線性預(yù)測的語音解碼算法中的合成濾波方法。語音輸出(6)，用于播放或存儲合成的數(shù)字語音信號。本發(fā)明涉及一種應(yīng)用于嵌入式中文語音合成系統(tǒng)的音庫壓縮和使用方法?；谠?方法能夠使語音模型庫占用極小的空間資源，提高運(yùn)算速度，同時保持了較好的合成自然 度和音質(zhì)。本發(fā)明在嵌入式設(shè)備上使用時，所有的音頻輸入輸出均可使用設(shè)備本身提供的輸 入輸出接口。語音功能可以隨時在設(shè)備上開啟或關(guān)閉。在未啟用語音功能時，原設(shè)備的各 種功能不受任何影響。上述實(shí)例為本發(fā)明的較佳實(shí)施例，本發(fā)明的應(yīng)用可用于各種嵌入式終端設(shè)備。根 據(jù)本發(fā)明的主要構(gòu)思，本領(lǐng)域的普通技術(shù)人員均可以產(chǎn)生多種類低的或等價的應(yīng)用。因此， 本發(fā)明的保護(hù)應(yīng)以權(quán)利要求的保護(hù)范圍為準(zhǔn)。
權(quán)利要求
1.一種用于嵌入式語音合成系統(tǒng)的參數(shù)化統(tǒng)計(jì)模型的壓縮和使用方法，用于減小模型 庫占用的空間并維持合成的音質(zhì)；原始模型庫的訓(xùn)練和合成過程采用漢語中的音節(jié)作為基 本單元；模型庫的壓縮過程分為下述三個步驟A.創(chuàng)建基于漢語音節(jié)的原始模型庫；B.將原始頻譜模型分解為能量、譜均值和譜方差三部分。利用矢量量化技術(shù)對譜均值 和譜方差分別進(jìn)行壓縮；C.將能量、壓縮得到的譜均值碼本和索引以及全局方差組合得到壓縮頻譜模型，并與 其他模型合并得到最終的壓縮模型庫。
2.根據(jù)權(quán)利要求1所述的參數(shù)化統(tǒng)計(jì)模型的壓縮和使用方法，其特征是所述權(quán)利要 求1中的A步，基于漢語音節(jié)為單元的原始模型庫創(chuàng)建過程分為下述五個步驟A.創(chuàng)建基于漢語音節(jié)的原始語音庫；B.提取語音庫中所有音節(jié)的基音頻率、頻譜參數(shù)和時長參數(shù)。訓(xùn)練不考慮上下文語境 的音節(jié)模型；C.根據(jù)所有音節(jié)的語境信息訓(xùn)練考慮上下文語境的音節(jié)模型，并使用基于決策樹的方 法對模型進(jìn)行狀態(tài)聚類；D.將聚類后的模型參數(shù)進(jìn)一步訓(xùn)練；E.返回步驟C重復(fù)步驟C、D，輸出參數(shù)化統(tǒng)計(jì)模型。
3.根據(jù)權(quán)利要求1所述的參數(shù)化統(tǒng)計(jì)模型的壓縮和使用方法，其特征是所述權(quán)利要 求1中的所述B步，頻譜模型壓縮過程分為下述六個步驟A.將頻譜模型的狀態(tài)高斯分布分為能量、譜均值和譜方差三部分。本方法考慮了一階 動態(tài)特征和二階動態(tài)特征；B.將所有狀態(tài)分布的均值矢量(包含靜態(tài)特征、一階動態(tài)特征和二階動態(tài)特征)作為 訓(xùn)練樣本，進(jìn)行矢量量化的碼本訓(xùn)練；C.搜索矢量量化分類后每一類中離碼本距離最小的訓(xùn)練樣本，替代該類碼本保存下來。D.用新的碼本對訓(xùn)練樣本重新分類；E.判斷新的分類結(jié)果與原分類結(jié)果是否相同。如果是，則譜均值矢量量化碼本訓(xùn)練結(jié) 束；如果否，則返回步驟C重復(fù)步驟C、D ；F.將所有狀態(tài)分布的方差矢量(包含靜態(tài)特征、一階動態(tài)特征和二階動態(tài)特征)進(jìn)行 平均，得到全局方差矢量。
4.根據(jù)權(quán)利要求1所述的參數(shù)化統(tǒng)計(jì)模型的壓縮和使用方法，其特征是所述權(quán)利要 求1中的C步，模型重新組合過程如下將原頻譜模型中的狀態(tài)分布以能量值和對應(yīng)的均值 矢量碼本索引代替，最后存入全局方差值。其他模型按照需要依次存放。
5.一種嵌入式語音合成系統(tǒng)，包括以下四個步驟A.文本分析及韻律生成模塊，用于對合成文本進(jìn)行內(nèi)容分析，得到對應(yīng)的音節(jié)序列，同 時每個音節(jié)附著相關(guān)的以上下文語境標(biāo)識的韻律信息，其格式與模型訓(xùn)練時使用的標(biāo)識相 同；B.模型決策模塊，用于接收上述附著韻律信息的音節(jié)序列，利用訓(xùn)練得到的模型決策 樹生成相應(yīng)的模型狀態(tài)序列，并得到時長決策結(jié)果；C.參數(shù)序列生成模塊，用于接收上述模型狀態(tài)序列，利用所述的壓縮頻譜模型計(jì)算全 局方差加窗矩陣，最后計(jì)算得到譜參數(shù)序列和基頻參數(shù)序列；D.語音波形合成輸出模塊，用于接收所述的參數(shù)序列，生成所要合成的語音波形數(shù)據(jù)， 并輸出播放或存儲。
6.根據(jù)權(quán)利要求5所述的嵌入式語音合成系統(tǒng)，其特征是所述權(quán)利要求1中的C步， 參數(shù)序列生成過程分為以下五個步驟A.根據(jù)頻譜系數(shù)的狀態(tài)序列計(jì)算得到能量序列和頻譜系數(shù)序列，根據(jù)基音頻率的狀態(tài) 序列計(jì)算得到基音頻率序列；B.根據(jù)全局方差計(jì)算全局方差矩陣；在參數(shù)生成過程中，采用逐維生成的方式計(jì)算所 需要合成的特征參數(shù)，每次計(jì)算取一維的均值或方差；C.根據(jù)接收的模型狀態(tài)序列對應(yīng)的狀態(tài)譜均值碼本序列，獲取一維譜均值碼本序列；D.根據(jù)接收的全局方差矩陣和狀態(tài)譜均值碼本序列求解特征參數(shù)序列；E.判斷是否處理完全部頻譜系數(shù)；如果是，則頻譜系數(shù)求解結(jié)束；如果否，則返回步驟 C重復(fù)步驟C、D。
全文摘要
本發(fā)明公開了一種用于嵌入式語音合成系統(tǒng)的音庫壓縮及使用方法，用于嵌入式操作系統(tǒng)，將接收到的任意文字轉(zhuǎn)換成語音輸出。以漢語中的音節(jié)作為合成系統(tǒng)及語音模型庫的基本單元；首先創(chuàng)建基于音節(jié)的原始語音模型庫，然后對所述原始語音模型庫進(jìn)行數(shù)據(jù)分解和壓縮，最后通過數(shù)據(jù)重組得到最終的壓縮模型庫。依據(jù)本發(fā)明提供的方法可以降低合成系統(tǒng)在嵌入式平臺下所占用的空間資源，并提高合成速度，同時使合成語音保持良好的自然度和音質(zhì)。
文檔編號G10L13/08GK102063897SQ201010580790
公開日2011年5月18日 申請日期2010年12月9日 優(yōu)先權(quán)日2010年12月9日
發(fā)明者何婭玲, 何宇新, 謝湘, 那興宇 申請人:北京宇音天下科技有限公司