語音數(shù)據(jù)與語音合成(已修改)
2025-05-10 22:08 本頁面
【正文】 語音音庫與合成 江源 2022611 語音合成技術(shù) ? 什么叫語音合成 – Text To Speech過程 ,簡稱 TTS – 作用：將文本狀態(tài)的文字信息轉(zhuǎn)化為可聽的聲音信息 ———“ 電腦會說話 ” 鍵 盤 光電掃描 手寫識別 網(wǎng)絡(luò) /數(shù)據(jù)庫 文 本 語言處理 韻律處理 語音合成 結(jié)果輸出 詞典 /規(guī)則 語音庫 發(fā)聲機理 ? 語音產(chǎn)生的生理過程 總綱 ? 1 . 數(shù)字語音信號 ? 2 . 語音合成技術(shù) ? 3 . 數(shù)據(jù)制作與合成 ? 4 . 合成效果測聽 數(shù)字語音信號 ? 什么是數(shù)字語音信號 – 語音： 說話，聲波傳遞的語言 – 語音信號：記錄下來的聲波振動 – 模擬語音信號 ： （ 磁帶，唱片） – 數(shù)字語音信號 ： 模擬信號數(shù)字化 （ wav mp3 CD） 計算機應(yīng)用的需要 ? 如何數(shù)字化 – 取樣：采樣率（時間尺子， 8K， 16K， 44K，每秒樣點數(shù)量） – 量化：量化精度（幅度尺子， 16bit， 32767~32768范圍） 數(shù)字語音信號 ? 取樣和量化 數(shù)字語音信號 ? 波形不能說明內(nèi)容 數(shù)字語音信號 ? 頻域介紹 – 一段任意波形可以由一系列正弦波形組合而成 – 離散傅 里葉變換 數(shù)學(xué)表示： – 最高值，采樣率的一半（ 16K wav； max freq = 8K Hz） – 人可聽辨的頻率范圍： （ 20Hz ~ 20kHz） – 電話語音信道的頻率范圍（ 60Hz ~ 3400Hz） 數(shù)字語音信號 ? 語譜圖 數(shù)字語音信號 ? 清音和濁音 – 濁音：聲帶的快速振動，聲帶能夠?qū)⒎€(wěn)定氣流轉(zhuǎn)換成振動 振動頻率稱為 基頻， 準周期性 – 清音：紊亂氣流，肺部氣流通過聲道中的狹窄處產(chǎn)生 – 爆破音：突然爆破 數(shù)字語音信號 ? 聲學(xué)特征 – 如此雜亂多變的信號， 如何描述，如何恢復(fù)？ – 語音信號產(chǎn)生的數(shù)字模型（ 源 濾波器模型 ） 數(shù)字語音信號 ? 聲學(xué)特征 – 基頻：發(fā)濁音時聲帶振動引起的周期變化，我們聽感音調(diào)高低主要由基頻決定，中文聲調(diào)還用于區(qū)分語義 – 譜參數(shù)：描述聲道和口唇輻射 共振峰， LPC，倒譜參數(shù) 總綱 ? 1 . 數(shù)字語音信號 ? 2 . 語音合成技術(shù) ? 3 . 數(shù)據(jù)標注與合成 ? 4 . 合成效果測聽 語音合成技
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1