可變速中文文字轉語音系統

Variable Speech Rate Mandarin Chinese Text-to-Speech System

本論文描述以隱藏式馬可夫模型為基礎發展出之「可變速中文文字轉語音系統」，訓練語料為三種不同語速之平行語料，分別對三種語速訓練文脈相關隱藏式馬可夫模型，並利用給予不同語速模型權重值來內插調整語速。另外，加入靜音停頓預測是相當重要的，從語料庫觀察可以發現到慢速語音之靜音停頓較多而快速語音較少，傳統以標點符號位置決定靜音停頓的簡單方法，在用於可變速語音合成是不適當的，因此本研究加入預估靜音停頓之機制，對於不同語速分別訓練靜音停頓預估決策樹，再利用調整權重值內插不同語速決策樹機率的方法，達到不同語速下靜音停頓的預估。為了評估本系統之效能，我們對系統進行客觀測試及主觀測試；在客觀測試中，評量靜音停頓預估之效能及量測合成語音和目標語音的誤差值；在主觀測試中，特別針對隱藏式馬可夫模型權重、靜音停頓決策樹權重以上兩組權重值的組合比較合成語音自然度，實驗結果顯示兩組權重值必頇匹配才可合成出較自然的語音。期望以本論文提出方法建構之系統，較傳統單一語速之文字轉語音系統，更適合用於人機互動之中。