存档内容
注意：该页面为存档页面，其内容可能已过时。
高品质的中文语音合成技术
【概要】
语音合成技术作为一种语音输出手段，广泛应用于各种信息实时输出服务中，如呼叫中心、汽车导航、语音网页、辅助教学、特殊人群（视力障碍）服务等。合成的语音是否正确、流畅、自然，很大程度上影响着用户体验和服务质量。通过对韵律生成、多音字/数字符号处理等关键技术的研究，我们的TTS系统在确保可懂度的基础上能够合成出高品质高自然度的输出语音。
【解决方案】
1. 高自然度的韵律节奏
一个具有高自然度的语音合成系统在语音停顿、发音时长和语调等方面都需要尽可能的接近真实人的发音。为此，我们研究分析了影响发音时长的各种因素，为每一种发音进行统计归类，通过建立统计模型来精确的预测音长。此外，为实现高自然度的语调，我们采用多样的语调模板来充分刻画汉语韵律节奏的特色，以确保具有高自然度韵律节奏的合成语音。
2.强大的多音字、数字、特殊符号处理能力
文本中往往包括多音字、数字和特殊符号，能否正确的理解和判断这些内容的发音，是影响合成语音可懂度的一个重要因素。为了正确解决这些特殊内容的发音问题，我们采用了规则和统计学习相结合的方法，在大规模语料中对多音字、数字和特殊符号所在的上下文语境进行统计分析，为每一个字符建立预测模型，从而可以准确的判断出他们的正确读音。
【技术要点】
- 基于决策树的音长预测模型
- 基于多变量分析和聚类分析得到的基频调型模板
- 基于上下文语境的统计学习
【概要图】
