,,

(重庆邮电大学 自动化学院,重庆 400065)

0 概述

韵律预测是语音合成系统中的关键技术,韵律预测质量的好坏直接影响合成语音的自然度和文字语义层面上意思表达的准确性。广义的韵律包括重音、节奏和语调这些从感知语音中所抽象出的韵律结构。狭义的韵律则表现为语音的节奏感,节奏感主要涉及人说话时产生的组词断句的模式。将该模式抽象出来,表现为韵律词的构成以及各层级韵律成分边界的界定,在韵律预测中表现为给每个语法词边界确立合适的韵律停顿等级[1]。本文根据狭义韵律的含义,主要讨论与“节奏”相关的韵律结构,将韵律结构层次划分为3个层级,即韵律词、韵律短语和语调短语,它们是由小到大的层层嵌套的关系。

目前关于韵律结构的预测研究,大多研究者主要从预测方法和预测特征这2个角度进行对比和研究。预测方法的研究包括基于最大熵模型[2]、规则驱动[3]、统计模型[4]、条件随机场[5]等方法。预测特征主要包括从文本信息中提取出的浅层和深层的2种特征。浅层特征如词长、词性[6-8]、标点符号[9]等简单的语法特征。虽然此类特征在经过简单的文本分析后,能直观地从文本分析结果中提取出来。但由于其涵盖的语言信息较表面化,且不能体现句子中各语言单元之间更深层次的语义关系。而对于文本韵律层级的预测,主要是需要保证各韵律单元的语义完整[10]。若单纯地将此类特征用于韵律层级预测,则容易造成各韵律层级的划分歧义,并且不能保证韵律单元的语义完整性。……