基于Hmm的单元挑选语音合成中的改进方法研究

摘要

本文对基于隐马尔柯夫模型（Hidden Markov Model, HMM）的单元挑选语音合成方法进行改进。针对原有方法单元预选过程中存在的线性搜索效率低、无法考虑相邻音素备选单元间连接性的问题，设计实现了基于决策树的音素/不定长单元预选方法；针对原有方法声学模型训练过程中方差参数估计受音库覆盖均衡性影响过大的问题，提出了绑定方差的声学模型训练策略。实验结果表明，以上两方面技术改进可以有效提升合成语音自然度，同时提高单元挑选运算效率并降低存储消耗。