蒙古语单元拼接语音合成方法探讨

郭淑妮

摘 要 本文对蒙古语单元拼接语音合成方法进行了探讨，并基于深度学习探究了蒙古语的相关语音合成，采用了硬拼接和软拼接相结合的方法。

关键词 深度学习;蒙古语;单元拼接;语音合成

引言

通过对蒙古语中的语音韵律的参数进行统计分析，总结出其中的韵律变化规则。使用时域基因同步叠加算法和频域基因同步叠加算法相结合，对合成语音进行韵律调整，从而提高蒙古语合成语音的自然度，在拼接算法上采用的是硬拼接和软拼接相结合的方法，从而达到更好的语音合成效果。

1 语音合成方法

按照現代拥有的技术手段，语音合成方法主要分为参数合成法和波形拼接合成法。参数合成法也是一种比较复杂的分析合成法，它是基于音节和音素为合成单位，对合成单元进行相应的语音分析，并提取出相应的特征参数，经过编码后形成相应的语音库。使用该方法进行语音合成时，是根据需要合成语音的信息从语音库中提出相应的合成参数，它是对人的发音过程进行直接的模拟。

波形拼接合成法是基于基因同步叠加算法而实现，它的合成单位包括语句、短语和音节等单位，不同于传统的将不同的语音单元进行简单的拼接，这种方法需要使用大量的语言库，在语音库中选择出最合适的语音单元进行拼接，这期间会涉及许多复杂的技术，一般包括统计学技术和神经网络技术，在最后拼接时采用的是PSOLA算法，修改合成语音的韵律特征，经过相应的解码之后进行语音输出，这种技术也是目前语音合成的主流技术[1]。

2 基于时域基因同步和频域基因同步叠加算法相结合进行韵律调整

2.1 时域基因同步和频域基因同步叠加算法介绍

TD-PSOLA算法是PSOLA中较为简单并且计算效率最高的一个版本。通过把相应的分析信号在时间轴上进行移位，就能够得到这种算法。在这个过程中省去了对短时信号的频域变换，对某些短时分析信号只是进行简单的删除或者重复，通过对分析信号间同步标记的距离进行改变，来改变其基频，在实时系统中得到广泛的应用[2]。

关于FD-PSOLA算法，其最终合成信号是通过对分析信号进行频域变换和反变换后得到的。通过使用傅里叶变换求出相应的短时分析信号的短时谱以及谱包络，在匹配合成基频时需要对两个谱进行相应的修改。

2.2 基于TD-PSOLA和FD-PSOLA算法结合的韵律调整

把时长修改因子作为常数，根据时长因子对短时信号数量进行增加删除就可以。选择适当的修改因子不会造成太大的噪声，对于大于等于2的修改因子，其会造成清音的短时相关，这样听起来会有噪声的感觉。在实际应用过程中，可以采用将时轴的重复部分进行部分倒置的方法来解决，如果要使用较大的修改因子则可以结合FD-PSOLA算法来实现噪声的避免。

对基频进行调整是与时长的调整相互交叉的，通过对语音基音同步标记时间的间距进行改变，从而实现对基频的调整。一般情况下时长和基频的修改因子是没有关系的，对短时分析信号就要进行相应的复制或者删除。在实际情况中，时长和基频的修改都是在一步之内同时完成的，如果时长因子的倒数比较大，在进行浊摩擦音的音高增强并减慢其语速时，会产生很小的噪音。对于振幅的调整，语音波形的幅度对应于相应的音强，改变音强只需要进行加权波形数据就行，对于一些重音有变化的音节，有时也需要改变其幅度包络。

3 蒙古语语音合成系统的实现

随着深度学习方法的发展，基于神经网络的语言模型在语音识别系统中已经得到相应的应用。针对蒙古语语音识别基线系统，本文作了以下研究。

3.1 相关实验数据准备

传统蒙古文书写时如果不考虑字符的发音及内码，只是注重外形，很容易在输入时造成拼写错误。蒙古语属于黏着语，词汇的构造形式是由词干加后缀拼接组成，并且在一个词干后边可以拼接不同的后缀，这样会形成大量意义不相同的词。本文对发音词典和文本语料库构建时进行了词干后缀分割操作，切词前后发音词典部分对照表如表1所示。

3.2 蒙古语语音识别基线系统建立

本文基于Kaldi语音识别开发平台建立了蒙古语语音识别基线系统。首先对于提取的包含噪音干扰的语音特征进行倒谱均值方差归一化，使得特征向量的概率密度函数与无噪声环境中计算得到的PDF更加接近，进而降低训练集和测试集之间的差异性。使用线性判别分析与最大似然线性变换结合，将归一后的上下文的高维特征进行区分性投影，以此降低特征向量维数，保留具有分辨率的特征成分，并让其处于对角线上，满足对声学模型影响最小的情况下构建对角矩阵。

4 结束语

通过对蒙古语语音识别基线系统进行简单的分析，对基于深度学习蒙古语语音合成技术的研究提供一定的借鉴。

参考文献

[1] 王勇和.基于深度学习的蒙古语语音识别声学模型研究[D].呼和浩特：内蒙古大学，2018.

[2] 包春梅.基于动词词干词缀的蒙古语语音合成系统的研究[D].呼和浩特：内蒙古大学，2009.

*[项目编号]内蒙古民族大学科学研究项目。编号：NMDYB1768。中国民族语言文字信息技术国家民委-教育部重点实验室开放课题。

编号：KFJJ201608。