语音

摘要： 为了提高跨模态人脸表示与合成的性能,针对语音与人脸图像2种模态数据,提出一种基于人脸参数化表示与稠密深度网络相结合的面部生成方法.针对输入语音模态,通过对信号进行频谱变换,将一维时域信号转换到二维频率域,可提取频域上稳健的特征描述;针对输出图像模态,利用主动外观模型对不同面部区域独立建模以降低区域间的相关性,并提取紧凑的人脸参数化特征;为了获得有效的跨模态学习性能,提出采用稠密连接的深度卷积神经网络学习语音、图像2种模态的回归预测,并通过预测的人脸参数进行面部重构,所采用的深度网络模型可以加强特征传播与特征复用,有利于增强面部细节的合成.在2组音视频数据集上验证了提出方法的有效性.

摘要： 在立体库系统运营的过程中,不可避免地会发生因设备异常导致停机的情况.由于组成立体仓库系统的设备多,特别是移动设备结构复杂,以蜂鸣器和声光报警器为代表的传统的设备报警装置不能让维护人员迅速获取具体的设备异常原因.能否及时处理异常,会影响到立体库的运营效率.文中以某企业的立体库改造项目为依托,采用微软的TTS语音引擎技术开发了立体库设备语音报警系统,使维护人员能够迅速地掌握设备异常的详细信息.最后通过对该立体库运营数据进行统计分析,表明该语音报警系统可以有效地提高维护人员工作效率.

摘要： 本文以广播电视监测系统为对象,对语音智能控制技术在其中的应用条件展开分析.通过对语音智能控制技术原理的概述,论证此项技术在广播电视监测中的应用条件,并在系统框架、应用流程、智能分析的内容上对其具体应用方法作出说明,为相关应用提供参考.

摘要： 语言是社会交流的工具.随着社会的不断发展,网络化、信息化的到来,语言文字也跟着相对地做出适应与调整,语言的发音也会出现变化.例如确凿(záo)、鬓毛衰(shuāi)等,类似的修改并不少见.现代汉语语音的变化应该是一个慎重的问题,本文将对现代汉语语音变化的原因进行探析.

摘要： 陇中方言有25个声母,比普通话多3个;从韵母读音是否相同的角度归纳出的音类叫韵类,陇中方言有33个韵母(不包括儿化韵),比普通话少7个;从声调读音是否相同的角度归纳出来的音类叫调类,陇中方言有3个声调,比普通话少1个.音值是各个音类的实际读音.本文从陇中方言声韵调和普通话声韵调对比描写分析陇中方言片陇中方言说普通话应该注意的几个问题.

摘要： 本文就现代汉语语音规范进行了研究，现代汉民族共同语语音系统逐步形成已经有七八百年的历史。以北京语音作为现代汉语标准音是历史的选择，“普通话语音标准的总体框架”设想由词典标准、应用标准和语音标准的符号系统三个主体部分构成。词典标准直接体现国家语言文字有关标准和规范，表现为静态的属性，即汉字读音标准和词语读音标准。应用标准是以词典标准为依据和基础的，表现为动态的属性，也就是说，动态标准通常是以静态标准为基础和依据的。应用标准包括教学标准、媒体标准、艺术标准和测试标准。词典标准是直接体现和代表国家语言文字有关标准和规范的，而应用标准则是以词典标准作为重要参照，在词典标准的基础上发挥作用的。因此，应用标准通常对国家语言文字有关标准和规范表现为一种间接参照的形式。除此之外，还需构建普通话语音标准的新层级，包括语音描写标准和语汇、语调标准在内。可以把这两个层级称作“学术标准”。语音标准的符号系统是普通话语音标准的描写工具，则直接体现国家语言文字的有关标准和规范。

摘要： 天津人在使用普通话进行交际时， 受天津方言影响带有一定的方言色彩，这种带有“天津味”的普通话是普通话的一种过渡形式。研究和认识过渡语，不仅能 了解、解释语言的变异和发展情况，而且 也有助于丰富普通话教学的手段和方法， 减少教学中的盲目性，促进过渡语向标准 语发展。本文重点从语音方面分析了天津 普通话的特点，总结出主要问题和规律，为普通话教学提供更有效的途径和方法。

摘要： 英语语音学习中,汉语与英语之间的差 异会对语音的习得产生干扰作用，学生常常 将方言的发音特点迁移到英语发音中来，影 响英语语音的学习和运用。本文探讨了胶东 方言对胶东人学习英语的影响，并针对不同 问题提出了切实可行的纠正措施。

摘要： 在司法语音检验过程中，由于检材与 样本在录制时，各自所选取的信道不同，促 使语音在听觉上产生差异，由于信道因素可 能会导致素材的客观真实性受损，以至于影 响我们的语音司法检验。本文重点针对手机 内部录音，结合语音鉴定技术对其进行具体参数分析和图谱比对，最终得出有针对性、 实用性强的明确结论，对语音鉴定工作有较 强的指导意义。

摘要： 本文从英汉语言形式的语音、词汇和句式三方面入手，具体分析了三者在文学作品中相辅相成的和谐统一美，并以《隐形人》汉译中的片段为例，分析论证了其在体现语音、词汇与句式三方面的得失。

摘要： 彝语四音格词是由四个音节或四个单音节字构成的一种特殊的词或短语,它是彝语不同方言区所共有的词汇形式.通过对彝语四音格词的统计分析发现:音节间和谐共存是其形成的重要语音条件,为其在口语中广泛运用奠定基础;并列式为主、内部结构松散为其构成提供了便利的语法条件,加之拆词法、衬音法的运用,造就了其庞大的群体数量;成词中词义扩大与转移广泛存在,使得其词义构成复杂化、使用灵活化.

摘要： 本文重点讨论了三网融合概念、"三网融合"究竟动了谁的奶酪、广电如何做大自己的奶酪等三个问题。文章经过详细分析研究认为,在涉及到三网融合的语境时，Video应该翻译为"电视",而不是"视频";VOD因该翻译为"点播电视",而不是"视频点播".文章认为不同时期三网融合的概念不同,早期是指电信网、计算机网和有线电视网所代表的语音、数据和电视三种业务的融合,现在是指电信网、广播电视网、互联网业务层面的融合,能为用户提供语音、数据和广播电视等多种服务.文章分语音、数据和电视三个层面,对"三网融合"究竟动了谁的奶酪这个问题进行了深入探讨;并就广电如何做大自己的奶酪进行了分析,提出了广电运营商发展战略。

摘要： 文章介绍了新会客家话的地理分布及人口构成，阐述了新会客家话的语音特点及词汇特点。指出，新会客家话是整个新会八十万人口中的一个小数，以往生存在山区而不跟新会本地人接触，得以保存期语言传统。目前由于社会变化，战后接受教育，八十岁以下的都曾经接受过新会方言的教育，人人都是双方言的使用者，新会客家话难免受到一定的冲击。改革开放以后，广州话、普通话媒体的兴起和人民生活的改善，又让这两种方言成为家庭中饭后的语言。这样，客家话的实用不但局限在村落，更局限在比较年老的村民，而且还局限在某些场合和话题了。

摘要： 本文根据语音合成与识别等语音应用研究的需求，从文本分析模块入手，利用“维吾尔语语音声学参数库”，选择了包含鼻音m, n,和?的单音节以及多音节词，提取它们的声学参数并进行统计分析，归纳了其共振峰、音强和时长分布模式，研究了鼻音?的两个变体，从实验语音学的角度出发进一步探讨了维吾尔语中鼻音的声学特性，并总结出了一系列结论。其目的是为了提高语音合成的自然度即更好的为自然语言处理服务。本项研究结果维吾尔语语言乃至整个阿尔泰语系语言的韵律研究具有较高的参考价值。

摘要： 公开了编码装置、解码装置、编码方法以及解码方法。所述编码装置包括：第一层编码单元；第一层解码单元；加权滤波单元；第一层误差变换系数计算单元；以及第二层编码单元，所述第二层编码单元包括：第一形状向量编码单元；目标增益计算单元；增益向量构成单元；以及增益向量编码单元。

摘要： 抑制扩展频带的音质的劣化，并且降低对扩展频带的频谱的编码分配的编码比特量。频带压缩单元(105)在频带压缩对象子带中，建立将子带频谱从低频侧起按顺序以各自2样本作为组的组合，选择各组合中绝对值振幅大的频谱，将选择出的频谱在频率轴上靠紧配置在低频侧。单元数重新计算单元(106)将在进行了频带压缩的子带中节省的比特重新分配给扩展频带外的低频，基于重新分配的比特，重新分配单元数。

摘要： 针对频域中表现的信号，利用协方差法或自相关法在频率方向上进行线形预测分析，求出线形预测系数，进而对求出的线形预测系数进行滤波强度的调整，然后利用调整后的系数在频率方向上进行滤波处理，由此使信号的时间包络变形。从而在以SBR为代表的频域中的频带扩展技术中，能够减轻所产生的前回声/后回声，提高解码信号的主观性质量而不使比特率显著增大。

摘要： 一种语音状况数据生成装置，用于在用户使用从声源采集来并按时间记录下来的语音数据时很方便地向用户提供数据。控制单元(1)的方向/说话者识别部分(3)观测从语音通信数据获取的方向数据中的变化，并且如果表示单方向的方向数据或表示多个方向的方向数据在预定时期内不变化，则在说话者识别数据中设置单方向数据和与多个方向的组合相关的组合方向数据。如果预定时期内发生了任何变化，方向/说话者识别部分(3)则从说话者语音DB(53)中读取语音特征值数据Sc，通过把语音特征值数据Sc与由语音数据分析部分(2)所分析出来的语音特征值进行比较来识别出说话者，并且在识别出说话者时在说话者识别数据中设置说话者姓名数据，在未识别出说话者时在说话者识别数据中设置方向未检出数据。语音状况数据生成部分(4)根据说话者识别数据随着时间的变化来生成语音状况数据。

摘要： 本发明公开了一种语音识别方法，用于对用户的语音进行识别，生成语音识别结果，其包括以下步骤：语音获取步骤，获取用户的语音；语音识别步骤，将获取的语音识别为文本数据，作为初始语音识别结果；纠错步骤，查阅已记录有若干个原词汇‑偏差词汇的关联的纠错列表，若纠错列表的某一个原词汇‑偏差词汇的关联中的偏差词汇存在于初始语音识别结果中，则进行纠错处理，以将初始语音识别结果中的与偏差词汇相同的词汇替换为原词汇‑偏差词汇的关联中的原词汇，从而获得纠错后的语音识别结果，作为语音识别方法生成的语音识别结果。本发明还公开了基于该语音识别方法的语音评分方法，以及相应的语音识别系统和语音评分系统。

摘要： 本发明提供语音解码装置、语音编码装置、语音解码方法以及语音编码方法。语音解码装置(1)具有：解复用部(1a)、低频带解码部(1b)、频带分割滤波器组部(1c)、编码序列解析部(1d)、编码序列解码/逆量化部(1e)、高频带生成部(1h)、取得多个低频带的时间包络的低频带时间包络计算部(1f

摘要： 本发明的实施方式涉及语音合成装置、语音合成方法、语音合成程序、语音合成模型学习装置、语音合成模型学习方法以及语音合成模型学习程序，能够防止语音劣化和不自然的音素持续长度。实施方式的语音合成装置具有存储部、制作部、决定部、生成部和波形生成部。存储部将具有多个状态的统计模型的各状态下的、包含基音特征参数的音响特征参数的输出分布以及基于时刻参数的持续长度分布作为统计模型信息进行存储。制作部根据与输入文本对应的上下文信息、以及统计模型信息，制作统计模型序列。决定部使用基于统计模型序列的各统计模型的各状态的持续长度分布而得到的持续时间长度、以及基于基音特征参数的输出分布而得到的基音信息，决定各状态的基音波形数。生成部基于基音波形数来生成音响特征参数的输出分布列，基于该输出分布列来生成音响特征参数。波形生成部根据所生成的音响特征参数来生成语音波形。

摘要： 语音解码装置(1)具有：解复用部(1a)、低频带解码部(1b)、频带分割滤波器组部(1c)、编码序列解析部(1d)、编码序列解码/逆量化部(1e)、高频带生成部(1h)、取得多个低频带的时间包络的低频带时间包络计算部(1f

摘要： 一种语音状况数据生成装置，用于在用户使用从声源采集来并按时间记录下来的语音数据时很方便地向用户提供数据。控制单元(1)的方向/说话者识别部分(3)观测从语音通信数据获取的方向数据中的变化，并且如果表示单方向的方向数据或表示多个方向的方向数据在预定时期内不变化，则在说话者识别数据中设置单方向数据和与多个方向的组合相关的组合方向数据。如果预定时期内发生了任何变化，方向/说话者识别部分(3)则从说话者语音DB(53)中读取语音特征值数据Sc，通过把语音特征值数据Sc与由语音数据分析部分(2)所分析出来的语音特征值进行比较来识别出说话者，并且在识别出说话者时在说话者识别数据中设置说话者姓名数据，在未识别出说话者时在说话者识别数据中设置方向未检出数据。语音状况数据生成部分(4)根据说话者识别数据随着时间的变化来生成语音状况数据。

摘要： 语音音频信号编码装置包括：将构成多声道的语音音频输入信号的多个声道信号全部相加而生成加法信号，生成多个声道信号的声道间的差分信号的转换单元；将加法信号以与加法信号的特征对应的编码模式进行编码而生成第1编码数据的第1编码单元；将差分信号以加法信号的编码所使用的编码模式分别编码而生成第2编码数据的第2编码单元；以及将第1编码数据和第2编码数据复用，生成多声道编码数据的复用单元。