汉语语音合成压缩技术：基于PSOLA的编码研究

"这篇论文是2001年发表在东南大学学报自然科学版上的，主要探讨了基于PSOLA算法的语音编码压缩的研究与实现。文章指出，使用时域基音同步叠加（TD-PSOLA）技术进行汉语语音合成可以得到高质量的语音，但大型的语音库不适合在小型设备上应用。为了克服这一问题，论文提出了结合A律压缩、自适应量化和自适应预测技术来压缩语音库，以减少存储需求，同时保持合成语音的质量。" 在语音合成领域，PSOLA算法是一种重要的技术，它允许在音节拼接时调整音高和时长，显著提升了合成语音的自然度。然而，基于全汉语单音节库的语音合成系统虽然语音质量高，但所需存储空间庞大，限制了其在便携式设备上的应用。为此，论文作者曹钢和徐宏炳进行了深入研究。 他们采用了A律压缩，这是一种常用于数字音频编码的压缩方法，能够有效减少数据量而不明显降低音质。在此基础上，结合自适应量化和自适应预测技术，进一步优化了编码过程。自适应量化是根据信号特性动态调整量化步长，以减少信息损失；而自适应预测则是通过分析信号序列，预测未来的值，减少编码需要的位数。 通过这些技术的综合应用，论文成功实现了语音库的大约50%的压缩率，大大降低了存储需求。实验结果显示，使用压缩后的语音库进行语音合成，基本不会影响合成语音的质量，这对于扩大语音合成的应用范围，尤其是在资源受限的设备上，具有重大意义。 论文还讨论了过去基于参数合成方法（如共振峰、LPC、LSP参数）的局限性，强调了汉语语音合成中全音节音库的重要性。尽管这些方法存储需求小，但由于汉语的复杂性，合成语音的自然度和清晰度往往不尽如人意。而PSOLA技术的引入和优化，为提高合成语音的自然度和实用性开辟了新的道路。 这篇论文为语音编码压缩提供了一种有效的解决方案，对于推动语音合成技术在各种设备上的广泛应用，特别是在资源有限的环境下，具有重要的理论和实践价值。