论文部分内容阅读
中国的老龄化进程加速，使得现有医疗服务模式无法满足老年人日益增长的医疗服务需求。远程医疗服务是解决这一问题的有效手段。利用机器智能分析用户长期生理数据，自动发送健康管理报告和提醒短信，进行远程管理，已成为发展趋势。对于大部分老年人，文字短信或报告阅读不便。本文主要研究把文字报告转换成高自然度语音报告，目的是在远程医疗服务系统中引入语音信息反馈方式，为老人提供更好的服务体验。 参数化统计语音合成系统是目前比较主流的合成系统。本文基于该类型系统，以高自然度语音合成为目标，开展基频提取算法比较、谱特征参数选择和情感语音合成三方面的研究工作。 基频和谱特征是影响合成语音自然度的两个重要声学参数。基频是一个描述语音激励源的特征，本文对比研究AMDF和STRAIGHT两种基频提取算法对合成语音自然度的影响，实验结果表明采用STRAIGHT算法提取得到的基频更加准确，有助于改善合成语音的音质。谱特征主要反映语音的声道特性，本文通过主客观评测方法，对比研究线性预测系数、线谱对系数、Mel倒谱系数、Mel广义倒谱系数、基于Mel广义倒谱线谱对系数五种谱特征参数，对合成语音自然度的影响。主观评测表明采用线谱合成语音自然度较好，客观评测表明采用Mel倒谱合成语音自然度较好。 赋予合成语音情感变化，使合成语音更好的模拟自然语音，对合成语音自然度有着重要影响。本文分别提取语音信号的基频、时长、能量、共振峰等情感特征，在分析六种情感语音信号:中性、惊奇、高兴、恐惧、愤怒、悲伤的情感特征基础上，总结情感特征的变化趋势，制定情感特征修改规则，并采用PSOLA算法修改中性语音的情感特征，合成出情感语音。通过主客观方法评测合成语音的情感和自然度，实验结果表明合成语音可以较好的表达高兴、愤怒和悲伤情感，有助于提高合成语音的自然度。 本文根据自然度研究的实验结果，构建一个高自然度语音合成工具，选用STRAIGHT算法提取基频，选用线谱对谱特征参数合成中性语音，同时结合语音的情感表达。实现了将健康报告转换成高自然度语音报告，并对报告的主观效果进行了评测，达到了预期效果。