級(jí)聯(lián)成本求和所獲得的成本函數(shù)。目標(biāo)成本可通過(guò)計(jì)算輸入標(biāo)簽與候選 單元參數(shù)之間的匹配度來(lái)獲得，可使用諸如音調(diào)、強(qiáng)度和長(zhǎng)度之類的韻律信息作為特征向 量來(lái)計(jì)算，并且可通過(guò)考慮各種特征向量(比如語(yǔ)境特征、與語(yǔ)音參數(shù)的距離、以及概率)來(lái) 測(cè)量。級(jí)聯(lián)成本可用來(lái)測(cè)量連續(xù)候選單元參數(shù)之間的距離和連續(xù)性，并且可通過(guò)將音調(diào)、強(qiáng) 度、頻譜失真、與語(yǔ)音參數(shù)的距離等認(rèn)為是特征向量來(lái)測(cè)量。通過(guò)計(jì)算特征向量之間的距離 和應(yīng)用權(quán)重來(lái)獲得的加權(quán)和可被用作成本函數(shù)。總成本函數(shù)等式可被用作下式：
[0055] [式1]
[0056]
[0057] 這里，和(>,4為)分別是目標(biāo)子成本和級(jí)聯(lián)子成本。i是單元索引，j是級(jí) 聯(lián)子成本索引。η是全部候選單元參數(shù)的數(shù)量，p和q是子成本的數(shù)量。此外，S是不發(fā)音音節(jié)， u是候選單元參數(shù)，并且w是權(quán)重。
[0058] Viterbi搜索模塊144是用于根據(jù)計(jì)算出的級(jí)聯(lián)概率來(lái)搜索每個(gè)候選單元參數(shù)的 最優(yōu)級(jí)聯(lián)路徑的模塊?？色@得每個(gè)標(biāo)簽的候選單元參數(shù)中的具有連續(xù)候選單元參數(shù)之間的 極佳動(dòng)態(tài)性和穩(wěn)定性的最優(yōu)級(jí)聯(lián)路徑。Viterbi搜索可以是用于搜索具有最小累積成本（目 標(biāo)成本和級(jí)聯(lián)成本之和）的候選單元參數(shù)的過(guò)程，并可通過(guò)使用由成本計(jì)算模塊計(jì)算的成 本計(jì)算結(jié)果值來(lái)執(zhí)行。
[0059] 參數(shù)單元序列生成模塊145是用于組合與最優(yōu)級(jí)聯(lián)路徑相對(duì)應(yīng)的各候選單元參數(shù) 以生成與輸入文本的長(zhǎng)度相對(duì)應(yīng)的參數(shù)單元序列的模塊。所生成的參數(shù)單元序列可以是針 對(duì)HMM參數(shù)生成序列的輸入，并且可應(yīng)用于通過(guò)基于HMM來(lái)合成輸入文本所獲得的HMM語(yǔ)音 參數(shù)。
[0060] 處理器120可使用存儲(chǔ)裝置140中存儲(chǔ)的各模塊來(lái)控制語(yǔ)音識(shí)別裝置100'的整體 操作。
[0061] 如圖3所示，處理器120可包括RAM 121、R0M 122、CPU 123、第1到第η接口 124-1到 124-η、和總線 125。在該情況中，RAM 121、R0M 122、CPU 123、第 1 到第 η 接口 124-1 到 124-η 等 可通過(guò)總線125彼此級(jí)聯(lián)。
[0062] ROM 122可存儲(chǔ)用于系統(tǒng)引導(dǎo)的命令集。CPU 123可將存儲(chǔ)裝置140中存儲(chǔ)的各編 程程序拷貝到RAM 121，并執(zhí)行被拷貝到RAM 121的應(yīng)用程序以執(zhí)行各操作。
[0063] CPU 123可使用存儲(chǔ)裝置140中存儲(chǔ)的各模塊來(lái)控制語(yǔ)音合成裝置100'的整體操 作。
[0064] CPU 123可訪問(wèn)存儲(chǔ)裝置140，并使用存儲(chǔ)裝置140中存儲(chǔ)的操作系統(tǒng)(0/S)來(lái)執(zhí)行 引導(dǎo)。此外，CPU 123可使用存儲(chǔ)裝置140中存儲(chǔ)的各程序、內(nèi)容、數(shù)據(jù)等來(lái)執(zhí)行各種操作。 [0065]具體地，CPU 123可執(zhí)行基于HMM的語(yǔ)音合成操作。也就是說(shuō)，CPU 123可分析輸入 文本，以生成和語(yǔ)境相關(guān)的音位標(biāo)簽并使用預(yù)先存儲(chǔ)的激勵(lì)信號(hào)模型來(lái)選擇對(duì)應(yīng)于每個(gè)標(biāo) 簽的HMM。然后，CPU 123可基于所選HMM的輸出分布來(lái)通過(guò)參數(shù)生成算法生成激勵(lì)參數(shù)，并 可配置合成濾波器，以生成合成語(yǔ)音信號(hào)。
[0066]第1到第η接口 124-1到124-η可與前述各組件級(jí)聯(lián)。接口之一可以是通過(guò)網(wǎng)絡(luò)與外 部設(shè)備級(jí)聯(lián)的網(wǎng)絡(luò)接口。
[0067]圖4是用于解釋根據(jù)本公開(kāi)的示例實(shí)施例的語(yǔ)音合成裝置100的配置的圖。
[0068] 參見(jiàn)圖4,語(yǔ)音合成裝置100可以在很大程度上包括基于HMM的語(yǔ)音合成單元200和 參數(shù)序列生成器300。下文中，將略去與圖2和3中的詳細(xì)描述重復(fù)的詳細(xì)描述。
[0069] 基于HMM的語(yǔ)音合成方法可以在很大程度上歸類為訓(xùn)練部分和合成部分。這里，根 據(jù)本公開(kāi)的示例實(shí)施例的基于HMM的語(yǔ)音合成單元200可包括用于使用在訓(xùn)練部分中生成 的激勵(lì)信號(hào)模型來(lái)合成語(yǔ)音的合成部分。從而，根據(jù)本公開(kāi)的示例實(shí)施例的語(yǔ)音合成裝置 1〇〇可僅執(zhí)行使用預(yù)訓(xùn)練模型的訓(xùn)練部分。
[0070] 在訓(xùn)練部分中，可分析語(yǔ)音數(shù)據(jù)庫(kù)(語(yǔ)音DB)10,以生成合成部分中所需的參數(shù)，作 為統(tǒng)計(jì)模型?？蓮恼Z(yǔ)音數(shù)據(jù)庫(kù)10中提取頻譜參數(shù)和激勵(lì)參數(shù)(頻譜參數(shù)提取40和激勵(lì)參數(shù) 提取41)，并可使用語(yǔ)音數(shù)據(jù)庫(kù)10的標(biāo)簽信息進(jìn)行訓(xùn)練(訓(xùn)練HMM 42)。可經(jīng)由決定樹(shù)聚類過(guò) 程生成頻譜模型111和激勵(lì)信號(hào)模型112,作為最終語(yǔ)音模型。
[0071] 在合成部分中，可分析輸入文本(文本分析43)，以生成包含語(yǔ)境信息的標(biāo)簽數(shù)據(jù)， 并且可使用標(biāo)簽數(shù)據(jù)從語(yǔ)音模型中提取HMM狀態(tài)參數(shù)(從HMM生成參數(shù)48KHMM狀態(tài)參數(shù)可 以是靜態(tài)和增量(delta)特征的均值/方差值。從語(yǔ)音模型提取的參數(shù)可用于經(jīng)由使用最大 似然估計(jì)(MLE)方案的參數(shù)生成算法來(lái)生成每一幀的參數(shù)，并通過(guò)音碼器來(lái)生成最終合成 語(yǔ)音。
[0072] 參數(shù)序列生成器300是用于從實(shí)際語(yǔ)音參數(shù)數(shù)據(jù)庫(kù)導(dǎo)出時(shí)域的參數(shù)單元序列以便 增強(qiáng)由基于HMM的語(yǔ)音合成單元200生成的合成語(yǔ)音的逼真度和動(dòng)態(tài)性的組件。
[0073]語(yǔ)音參數(shù)數(shù)據(jù)庫(kù)(語(yǔ)音參數(shù)DB)140可存儲(chǔ)從語(yǔ)音數(shù)據(jù)庫(kù)10提取的多個(gè)語(yǔ)音參數(shù)和 標(biāo)簽分段信息項(xiàng)、以及合成單元的各韻律修改的參數(shù)。然后，可對(duì)輸入文本進(jìn)行文本分析 (文本分析43)，然后可選擇候選單元參數(shù)(候選單元參數(shù)選擇44)。然后，可計(jì)算成本函數(shù)， 以計(jì)算目標(biāo)成本和級(jí)聯(lián)成本(計(jì)算成本函數(shù)45)，并且可經(jīng)由viterbi搜索(viterbi搜索46) 導(dǎo)出連續(xù)候選單元參數(shù)之間的最優(yōu)級(jí)聯(lián)路徑。從而，可生成與輸入文本的長(zhǎng)度對(duì)應(yīng)的參數(shù) 單元序列（參數(shù)單元序列47)，并且所生成的參數(shù)單元序列可輸入到基于HMM的語(yǔ)音合成單 元200的HMM參數(shù)生成模塊(從HMM生成參數(shù))48。這里，HMM參數(shù)生成模塊48可以是激勵(lì)信號(hào) 參數(shù)生成模塊，且可以包括激勵(lì)信號(hào)參數(shù)生成模塊和頻譜參數(shù)生成模塊。具體地，將參照?qǐng)D 5來(lái)描述HMM參數(shù)生成模塊48的配置。
[0074]圖5是用于解釋根據(jù)本公開(kāi)的另一示例實(shí)施例的語(yǔ)音合成裝置的配置的圖。圖5示 出的示例中，HMM參數(shù)生成模塊48包括頻譜參數(shù)生成模塊(頻譜參數(shù)生成)48-1和激勵(lì)信號(hào) 參數(shù)生成模塊(激勵(lì)參數(shù)生成)48-2。
[0075]由參數(shù)序列生成器300生成的參數(shù)單元序列可與HMM參數(shù)生成模塊48的頻譜參數(shù) 生成模塊48-1和激勵(lì)信號(hào)參數(shù)生成模塊48-2組合，以生成具有參數(shù)之間的級(jí)聯(lián)的極佳動(dòng)態(tài) 性和穩(wěn)定性的參數(shù)。
[0076]首先，HMM參數(shù)生成模塊48可使用標(biāo)簽數(shù)據(jù)從語(yǔ)音模型導(dǎo)出狀態(tài)的持續(xù)時(shí)間、頻譜 和f〇均值、以及方差參數(shù)，作為輸入文本的文本分析結(jié)果，并且在該情況中，頻譜和f〇參數(shù) 可包括靜態(tài)、增量和D-增量特征。然后，可使用標(biāo)簽數(shù)據(jù)從參數(shù)序列生成器300生成頻譜參 數(shù)單元序列和激勵(lì)信號(hào)參數(shù)單元序列。然后，HMM參數(shù)生成模塊48可組合語(yǔ)音模型110和從 參數(shù)序列生成器300導(dǎo)出的參數(shù)，以使用MLE方案來(lái)生成最終參數(shù)。在這種情況中，靜態(tài)、增 量、D-增量和方差參數(shù)中的靜態(tài)特征的均值最大程度地影響最終參數(shù)結(jié)果，且從而將所生 成的頻譜參數(shù)單元序列和激勵(lì)信號(hào)參數(shù)單元序列應(yīng)用于靜態(tài)均值可能是有效的。
[0077] 在具有有限資源的嵌入式系統(tǒng)（比如移動(dòng)設(shè)備或CE設(shè)備）中，在建立參數(shù)序列生成 器300的語(yǔ)音參數(shù)數(shù)據(jù)庫(kù)140的過(guò)程中，除了頻譜參數(shù)之外只存儲(chǔ)激勵(lì)信號(hào)參數(shù)，并且可以 只生成與激勵(lì)信號(hào)參數(shù)相關(guān)聯(lián)的參數(shù)單元序列，從而，盡管將參數(shù)單元序列應(yīng)用到基于HMM 的語(yǔ)音合成單元200的激勵(lì)信號(hào)參數(shù)生成模塊48-2,但是可增強(qiáng)激勵(lì)信號(hào)輪廓的動(dòng)態(tài)性，并 且可生成具有穩(wěn)定韻律的合成語(yǔ)音。也就是說(shuō)，頻譜參數(shù)生成模塊48-1可以是可選組件。
[0078] 從而，可將所生成的參數(shù)單元序列輸入與HMM參數(shù)生成模塊48,并與HMM參數(shù)生成 模塊48組合，以生成最終聲學(xué)參數(shù)，以及可通過(guò)音碼器20將所生成的聲學(xué)參數(shù)最終合成為 聲學(xué)信號(hào)(合成語(yǔ)音49)。
[0079] 圖6和7是用于解釋根據(jù)本公開(kāi)的示例實(shí)施例的用于生成參數(shù)單元序列的方法的 圖。
[0080] 圖6示出了用于為詞語(yǔ)"吾S "的語(yǔ)音合成選擇各候選單元參數(shù)的過(guò)程。參見(jiàn)圖6，當(dāng)輸入 詞語(yǔ)"罟想，，時(shí)，可從語(yǔ)音參數(shù)數(shù)據(jù)庫(kù)11〇導(dǎo)出與"(#-)，，、"(一+口)"、"(口+人)"、"(人+ 和"(〇+#)"相對(duì)應(yīng)的各種修改，以搜索最優(yōu)級(jí)聯(lián)路徑，并且可將語(yǔ)音波形級(jí)聯(lián)以生成合成語(yǔ) 音。例如，包括"(a+*r的候選單元參數(shù)在內(nèi)的修改可以是"s鉍"、"哲傘"等。為了搜索 最優(yōu)級(jí)聯(lián)路徑