語音韻律簡介

當我們透過聲音與他人相互溝通時，我們聽到的不只是對方所要表達的內容，同時也接收到對方所發出的高低起伏的情緒、抑揚頓挫的口氣、以及輕重緩急的語流，因此，往往同一句話、隨著說話人的「語音表情」，會讓我們感到對方說得興高采烈、或義憤填膺、或語氣堅定、或感傷悲戚，這裡所謂的「語音表情」，指的就是語音的韻律變化（prosodic variations）。一般所謂的韻律變化是指人們利用（1）音量的大小（energy levels）、（2）音高的高低（pitch contours）、（3）說話速度的快慢（speaking rates）、以及（4）停頓的長短（pause durations）等四個韻律參數，來建構語音的表情，藉以強化語者本人所要表現的語意、情感、重點、立場等等。一個人說話若缺乏了語音的韻律變化，將會說出聽起來單調、貧乏的聲音，而無法引起他人的注意，因此也就無法達到溝通的目標。因此，從語音合成的角度來看，若要系統發出讓人耳聽起來流暢、自然、引人注意的話語，勢必要加入韻律訊息，才能發展優質的語音合成系統；反過來說，站在語音辨認的立場，韻律訊息的運用，能增加語音內容的瞭解、提高系統辨識的能力，因此，對一特定語言韻律訊息的掌握，有助於各項語音處理技術的發展，而本文的目的即在介紹語音韻律的產生和變化，我們將在第2節介紹語音產生的過程，以來說明影響韻律的因素以及產生的機制；第3節介紹國語語音韻律的特性，提供讀者簡單易懂的一些概念；接著我們在第4節介紹國語文字轉語音技術的核心「國語韻律的產生」，第5節則介紹目前建構國語韻律模型的方法，最後筆者將討論一些國語韻律模型未來的研究方向。