汉语二字调图样分析及其在合成语言中的应用

当人们说汉语(普通话)时,尽管其调值因人而异,但调型必须具有一定的模式才能成为听辨上的区别特征。这是汉语语言本身的重要特点。 关于汉语声调图样的分析,人们曾经做了大量的研究工作。不过,大部分工作只限于定性分析,或者从数学上寻找其近似表达式。要把以前的结果直接应用于按规则合成语言的工程设计就有点困难。本文给出有关汉语二字调图样的15组统计结果,每种图样可简单地用一个时域上归一的函数P(t)来描述,它反比于语调周期T_0(t),而正比于该字最低基频的倒数T_(0max)。 按照我们的分析数据,文中还给出汉字二字调的其它若干特点: (1)每种声调的起始和结尾部分总有“弯头”和“降尾”的过渡状态,这种过度状态约占全声调图样的10％—15％。本文用一个多维数组q(15,2,n)来描述这种过渡状态; (2)二字词第一字的上声调并不显示出它那最后部分的上升调值。该现象曾被汉语语言学家和语音学家称为“半上声调”; (3)二字词第二字的调长比第一字的调长稍短,大约为第一字调长的66％。 上述的声调图样P(t)能直接用于按规则合成汉语语言,而且有助于改善合成语言的自然度。     

现代嗓声科学系列讲座选讲之二——嗓声的产生

现代言语声学理论与实验已大体上说明了正常(normal)语音产生的原理。这指的是,我们对语音产生(除神经外的)的生理过程、声道内(以下在许多词组中声与音二字沿习惯用,具有同意;除声明外,声源均指经喉部声带调制气流转化成声的声源;“声道”包括声带;“声道内”指声门以上,不包括声带)声源和声道滤波的物理过程已基本搞清。但是对噪声在不同声区时的声源情况还了解较少;声源与声门上/下的作用还颇待研究;对于控制嗓声系统各部统     

按规则合成无限词汇汉语语声的研究

本文研究了由计算机输入汉语拼音字符,以汉语音素作为声元素,根据语音的韵律规则合成连续汉语语声的方法。该方法数据量少,便于控制语音、语调。实验表明,利用该方法构成汉语文-语转换系统是可行的。     

基于言语数据库的汉语音高下倾现象研究

提出了一种通过语句中声调音域低音点和次低音点求出语调短语低音线的方法,并以低音线为基准,考察从大规模言语语料库中随机抽取的汉语自然语句的语调特征。研究结果表明,与已有的汉语句末语调理论不同,汉语同样具有各种语言中普遍存在的音高下倾和重置的语调特征。低音线的下倾和重置可以出现在音步、语调短语和语句等不同的韵律单元中,表现最明显的是在语调短语这一级。实验结果支持汉语语调双线模型中高音线和低音线语言学功能不同的观点。     

合成言语自然度的研究

在过去的十年中，中国科学院声学研究所建立了一个文语转换系统，它包括语音库，声调模型和基本合成规则．无限词汇的汉语合成问题初步解决，但合成言语的自然度必须进一步改进．我们对语言的音段特征和超音段特征对合成言语自然度的影响做了研究，结果表明影响合成言语自然度的基本因素是语言的节奏和协同发音．本系统所采用的声调模式适合于单句合成，对于大于单句的语言单元的合成，必须十分仔细地控制语调才能达成高自然度．本文介绍利用主观评价对合成语言自然度进行研究的方法和结果．     

平板扬声器立体声重放的振动对比度控制方法*

利用激振器阵列通过振动对比度控制方法实现了在平板扬声器上重放立体声的声源局域化控制。首先利用激振器到测量点的导纳函数,最大化辐射区和整个平板振动区域的平均动能比值得到阵列的最优空间滤波器。然后分别计算最大化左右声道辐射区和整个振动区域平均动能比值的最优滤波器。最后将立体声信号分别通过对应辐射区最优滤波器滤波相加后,馈给激振器阵列激励平板在两辐射区辐射对应声道的信号。利用8个激振器控制0.48 m长、0.27 m宽、0.001 m厚铝板,在100 Hz～2000 Hz范围内,振动对比度的均值为12 dB。因此该方法可以获得较好的局域化控制效果,进而可以将左右声道的声源局域在平板扬声器的两侧。     

分层语音合成数据库的分析与裁减

提出汉语分层语音合成数据库的概念,通过对其分析和裁减,有如下结果:(1)数据库音节基频、时长、能量的变化有层次.(2)数据库的拼接合成质量接近大语料库的拼接合成质量。(3)数据库为实现表情语调的拼接合成奠定了基础。(4)数据库资源消耗远小于大语料数据库的资源消耗。     

用线性预测编码合成改善气管食管语言

利用气管食管发音是喉切除病人的主要发音方法。本文研究利用线性预测(LPC)语言合成技术,来替换气管食管发音的声源,取得了较好的结果。利用LPC自相关算法分析了四位(二男二女)气管食管发音人所发的四个主要元音[i],[a],[ε],[u]。用归一化预测误差函数来选择分析控制参数和算法。从归一化误差接近最小的那些帧来计算声道传递函数的极点,这些极点是由正常发音导出的。利用重建的声道传递函数和合成的激励声源来合成这些元音。清晰度试验结果表明,合成元音的清晰度很高,并且合成元音的性别分辨要比原来的气管食管发音好得多。     

一种标定新方法在FTIR定量分析中的应用

利用傅里叶变换红外(FTIR)光谱技术可以对气体组分的浓度进行连续的在线定量分析。在定量分析过程中,对FTIR进行标定是非常重要的环节之一,直接关系到定量分析是否可以进行和定量分析的精度。本文提出了一种新的标定方法(称之为“积分法”),以CO、HCI和水蒸气为例完成的实验结果表明：这一方法与传统方法(标气法)相比具有许多优点,准确性和稳定性都很好;尤为重要的是,对于传统方法无法解决的常温下为液态的气体物质的标定问题,利用这一新方法可以迎刃而解,而且有很好的精度。     

汉语自然对话音高研究

语音合成技术要表现会话的抑扬顿挫,首先就要对自然话语的音高做出研究.基于973电话对话语料,作者对1084个汉语语调短语的音域和音阶作了统计分析.发现语调短语可以根据其音域和音阶进行分类,语调短语的音域和音阶与它在话回中的位置有关.与朗读语言相比,自然对话语调短语的音高变化更大.     

基于语音生成和发音模型的语音合成新方法的探讨

提出基于语音生成模型和发音模型ＲＴＬＡ合成模式实现以共振峰轨迹为目标的语音合成的新方法。该方法采用了基于发音声学原理的反射型传输线模型来实现语音合成器。用于控制合成器的声道面积函数参数由以三个共振峰轨迹为目标的语音生成逆向解获得。该方法不仅可以得到动态过渡和自然度好的合成语音,能够方便灵活地控制或改变语音音色,合成器所需的输入控制参数少,参数更新率低。     

准动态元音分析方法

文中提出一种用基频扫描和频谱重叠——准动态的方法,来较精确地测量元音共振峰和频谱包络.这一方法的优点在于:l)测量方法简单,并且直接获得结果,不需引入某些假定或近似条件来进行计算;2)可得到较多的简正方式,特别是,对一些高元音,用传统的方法不易直接测得第一共振峰;3)这一方法还特别适应并发挥了汉语作为有声调语言的特点. 在运用本文所述方法进行分析的过程中,还指出了,对于汉语声调和共振峰不仅在发音过程中而且在感知过程中也是相互独立的.文中还给出了普通话十个单元音的第一、第二共振峰的数据.     

汉语普通话按规则合成系统

与其他言语合成技术相比较，规则合成有两个明显的优点：语音库占用的内存很小和可以灵活控制合成言语的声学特征和韵律特征。本文介绍第一作者在１９８６—１９９０年期间在英国伦敦大学所开发的汉语按规则合成系统，和１９９２年在中国科学院合作期间所作的改进。包括汉语按规则合成的原理和策略，特别是韵律控制的方法，以及对系统的评价。     

自制力的合成演示仪

高一物理中“力的合成”和“平行四边形定则”是矢量教学的起点，矢量及其运算是高中物理教学的一个重点和难点．如何突破这一难点呢？这就需要从“力的合成”的教学抓起．而在“力的合成”教学过程中，教师往往直接给出其运算规律——平行四边形定则，然后加以验证，学生印象不深，被动接受．笔者经过认真思考和多次实践，自制了一套可以探究验证力的合成的演示实验仪．现介绍如下．     

基于快速全线性预测控制的混沌系统控制与同步

针对连续时间混沌(超混沌)系统的控制问题, 提出了一种基于扩张状态观测器的快速全线性广义预测控制算法. 利用线性扩张状态观测器估计和补偿混沌(超混沌)系统的非线性动力学和存在的不确定性, 将原始对象近似转化为积分器形式, 随后针对单积分器设计广义预测控制, 解决了预测控制计算量大的问题. 阶跃系数矩阵可以直接得到解析解, 而对于未来输出的预测则可以根据最近两个时刻的输出采样值直接计算得到, 避免了使用自校正算法和在线求解丢番图方程. 该线性算法可以直接应用于非线性对象的控制系统设计. 将该算法应用于典型Lorenz混沌系统的控制中, 数学仿真结果验证了有效性.     

合成双射流对下游声压级影响试验

在Ma=0.4的来流条件下, 利用安装在主翼后缘处的合成双射流激励器对襟翼上的流动进行控制, 在风洞中开展了合成双射流对下游声压级影响的研究. 基于脉动压力测量结果, 结合油流显示试验, 得到了合成双射流对下游不同流动状态区域声压级影响的一些结论. 对于附着流, 在其峰值频率附近激励会明显提高其声压级; 对于受旋涡主导的流动, 恰当的合成双射流控制可以降低声压级, 激励频率较为关键. 在俯仰运动过程中, 对于附着流, 激励提高了声压级, 但不改变其迟滞特性; 对于受旋涡主导的流动, 激励对声压级的影响与攻角有关, 能够减弱其迟滞特性, 但激励强度对迟滞特性的影响较小, 减小声压级的最佳激励与运动历程有关.      

声门波平均频谱的计算

本文依照简化的声门波模型,提出了对声门波平均频谱的计算。利用这些计算结果,能精确地测量声道的频谱。在平均频谱的计算中,考虑到占空比及三角波不对称性对它们的影响。对于汉语的四声变化分别给出了相应的声门波平均频谱,并把这些结果与传统的声门波频谱进行比较。     

汉语儿童情感语声合成

情感语声合成技术对于人机交互具有重要的意义。面对儿童情感语声合成所需汉语语声数据资源缺乏以及模型训练时长较长等问题,该文提出利用迁移学习实现汉语儿童情感语声合成的方法。首先基于汉语语声数据库训练深度学习模型实现中文语声端到端合成模型,再使用高质量大样本的中文情感语料库完成情感语声合成模型,最后利用自行采样的小样本汉语儿童情感语料对模型进行迁移学习实现低资源的语声合成。客观实验结果中梅尔倒谱失真指标为4.91,主观听辨实验指标分别为3.61和4.17。通过实验对比表明,该文的方法在情感语声合成技术的应用上具有良好的性能表现,并且优于现有先进的低资源情感语声合成方法。     

汉语语调降阶的实验研究

采用设计特定声调组合的实验室语句的方法,研究了汉语普通话语调降阶的规律。结果发现,在普通话语调中,同样存在自动降阶和非自动降阶两种音高现象。在有低音介入的非自动降阶中,低音对后音节音域的影响表现在使音域上限降低,音域的下限保持不变;因此汉语中的降阶是语调高音特征的表现;低音特征声调会使低音后的高音发生正向降低和低音前高音的逆向提高,并且这两种作用是可以相互包容的。在自动降阶中,高音线的下降趋势是线性的,它受重音位置及重读程度的影响,在发音人中有较大差异。与已有的其他语言降阶研究的结果相比,汉语的降阶率不是固定的,且降阶的作用范围并不只局限于同低音相邻的音节。     

普通话中语段重音对小句声学特征的调节

对汉语普通话新闻语篇朗读语料的分析表明,被置于语段中的小句,作为重音标志的音高和音长将发生变化。语段小句与孤立小句相比,音高变化集中表现在小句调核上,是高音点的整体降低,而不同类别的重音,音高降低的程度不同。在语段中,非语段重音的小句重音呈现出较明显的弱化,即表现为音高降低和音节时长缩短。在多个小句构成的语段中,说话人可以利用各小句重音的强弱变化来实现对语段的韵律调节,进而实现对语篇韵律的整体控制和顺畅的语义表达。语段重音及小句重音的研究将实验语音学引进了播音语言教学,也有助于汉语合成语音的韵律控制。