[发明专利]基于韵律短语的韵律结构生成方法

说明书

技术领域

本发明属于计算机人机交流领域，设计了以韵律短语为基础的多层韵律结构生成方法。 本发明在韵律边界结构的预测中，引入了机器学习的方法，并且对韵律短语和韵律词进行分 层处理。在系统分析和归纳的前提下，有针对性地设计韵律短语和韵律词的特征模版，并采 用最大熵算法等机器学习的方法，设计了一种能够有效、准确生成韵律边界信息的体系，适 用于语音合成等实际应用中。

背景技术

随着信息技术、语言技术以及计算机技术的发展，语音合成技术已经越来越多的受到人 们的关注。可以通过输入文本，让计算机像人一样说出具有高自然度和智能度的语音。这项 技术已被广泛应用于电信服务，嵌入式移动设备等各方面。

目前合成语音已经具备了很高的可懂度，但是其自然度还是不尽如人意。一方面音质有 差距，由于语音合成通常需要从语音中提取参数，然后对这些参数作适当的变换再返回合成 语音，这个过程往往会带来语音音质的损失；另一方面就是韵律的差距，现在的语音合成系 统大多只能生成固定语调模式的语句，由于对语句中的停顿、轻重、长短、速度、升降调等 的不当处理，使合成语音听起来枯燥、呆板。如何自动生成高质量的韵律信息越来越受到研 究者的关注。

韵律生成的一个主要障碍在于如何从文本中自动确定韵律的层级，而韵律的层级划分现 在并没有一个统一的标准，一般来说，一个句子的韵律结构可划分为三层：韵律词、韵律短 语、语调短语。其中韵律词可以看作是基本节奏单元，主要是双音节和三音节组块，相当于 韵律音系学上的标准音步和加强音步(超音步)；而韵律短语是中等的节奏组块，可以看作一 个气群，研究表明每个气群中的音节从左向右存在调域收缩的规律；语调短语则是由若干韵 律短语组成，虽然语调短语末尾的音节调域也要发生变化，但是它更侧重于决定句子的句调。

近年来，越来越多的研究都集中在基于机器学习的方法来预测韵律结构，如 Classification And Regression Tree(CART)和决策树(Decision Tree)的方法，这些方法都 取得了一定的效果。但是单一的CART或者决策树的方法都没有考虑韵律词边界间的依赖关

———————

收稿日期：

基金项目：受教育部科学技术研究重点项目(108012)资助

作者简介：

系，并且往往受到数据稀疏等问题的困扰。隐马模型(HMM，Hidden Markov Model)也被应用 于预测韵律结构，并且使预测的正确率有了较大的提高。但是HMM由于其输出的独立性假设， 导致其不能考虑上下文的特征，限制了特征的选取。

本发明通过分析大规模语料库中韵律结构特征，制订了一种基于韵律短语的韵律结构生 成方法。本发明采用分层结构，先对语料中的韵律短语边界进行判断，再生成韵律词边界。 在每一层次的处理中，都引入了最大熵模型和错误驱动的机器学习的方法，并在最后设定相 应的规则进行修正，以使生成的韵律结构边界的准确率最高。

发明的内容

为了有效并且正确的生成韵律结构边界，本发明通过对大规模语料的研究，充分调查了 韵律短语对韵律结构的重要影响，提出了一种基于韵律短语的韵律结构生成方法。语音学和 语言学的研究表明，语音材料在韵律上具有树状层次结构，韵律层次主要分为三个基本层次： 韵律词、韵律短语和语调短语。韵律词也叫音素词，是发生变调等音素变化的最小辖域，相 当于韵律结构中的最小发音单位。韵律短语是介于韵律词和语调短语之间的韵律单位，一般 由一个或几个韵律词组成，跨度为7个音节左右，最多不超过9个。语法短语相当于语法上 较短的句子或较长的短语，是句子层面上的音系规则作用的辖域，一般都以标点符号予以区 分。实验表明，这三个层次中，韵律短语对韵律结构的生成影响最大，具有决定性的作用。 基于这种情况，本发明采取分层结构生成韵律边界信息。整个系统的输入文本为已经经过分 词和词性标注的xml文件。第一阶段分词边界的基础上，生成韵律短语边界信息，并且予以 标注；然后第二阶段在分词和韵律短语信息的基础上，判断韵律词边界；最后，设计一系列 具有针对性的规则，对结果中的一些常见错误进行修正，进一步提高韵律结构预测的准确率。