胡 克，康世胤，郝 军

（新疆大学 信息科学与工程学院，新疆 乌鲁木齐 830046）

0 引言

在语音合成领域，基于大语料库的拼接合成系统的合成质量已经达到了相当不错的水平，甚至能够在特定条件下形成产品。但这类方法存在的固有弱点，如语料库构建成本高，合成稳定性低，灵活性较差等。这些弱点限制了拼接合成方法的进一步应用。而基于统计模型的参数化语音合成技术恰恰在构建成本和合成多样化方面展现出其独特的优势，因此逐渐得到广泛的应用。

在这种背景下，文中以基于HMM的参数化语音合成系统为基础，针对中文语音的特点，构建出中文HMM语音合成系统。

1 隐马尔可夫模型

隐马尔可夫模型是一种时间序列上的统计模型，它广泛的应用于多个领域，尤其是语音识别[1]。近年来，HMM在语音合成中也有了成功的应用。HMM是一个有限状态机，它可以生成一个离散时间的观察序列。在每一个时间点，HMM由马尔可夫原则进行状态转移，并且产生一个观察值 o。这样的一个状态转移和输出包含两个概率：

1）状态转移概率ija，表示从状态i转移到状态j的概率。

2）输出概率 bi(o)。

图1是典型的HMM模型示意图。图1(a) 是一个3状态互联的HMM模型，这个模型中任何一个状态都可以在一定的转移概率下到达任一个其他状态。图1(b)是一个3状态由左到右HMM模型，这个模型里一个状态随时间增加，在转移概率的作用下，有可能保持状态不变或到达下一个状态。可见，由左到右HMM模型十分适合用来为随概率变化的信号建模，它的这种特性可以很好地应用在语音识别及语音合成领域。……