![](https://csdnimg.cn/release/download_crawler_static/19013489/bg1.jpg)
ISSN1000-0054
CN11-2223
/
N
清华大学学报
(
自然科学版
)
JTsin
g
hua Univ
(
Sci& Technol
),
2013
年 第
53
卷 第
7
期
2013
,
Vol.53
,
No.7
23
/
28
1046-1051
基于决策树的英语焦点语音转换
孟凡博
1
,
2
,
吴志勇
1
,
2
,
3
,
蒙美玲
2
,
3
,
贾
珈
1
,
2
,
蔡莲红
1
,
2
(
1.
清华大学 计算机科学与技术系
,
普适计算教育部重点实验室
,
清华信息科学与技术国家实验室
,
北京
100084
;
2.
清华大学 深圳研究生院
,
清华大学 香港中文大学媒体科学
、
技术与系统联合研究中心
,
深圳
518055
;
3.
香港中文大学 系统工程与工程管理学系
,
香港
)
收稿 日期
:
2012-09-25
基金 项目
:
国家自然科学基金面上项目
(
60805008
,
60928005
,
61003094
);
香港特区政府研究资助局基金项目
(
N-CUHK414
/
09
);
国家
“
九七三
”
重点基础项目
(
2013CB329304
);
国家
“
八六三
”
高技术项目
(
2012AA011602
)
作者 简介
:
孟凡博
(
1984
—),
男
(
汉
),
黑龙江
,
博士研究生
。
通信 作者
:
蔡莲红
,
教授
,
E-mail
:
clh-dcs@tsin
g
hua.edu.cn
摘
要
:
焦点是语言表达的重要方式
,
焦点 重 音是 重要 的 韵
律特征
,
实现中性语音到焦点语音的转换可以提高语音 的 表
现力
。
该文提出了声学特征局部凸显度的表示方法
,
分析 了
由中性语音到焦点语音
,
焦点单词所属音节声学特征变 化 与
中性语音相应音节声学特征局部凸显度的相关性
,
提出 了 一
种基于决策树的英语 焦 点 语 音 的 转 换 模 型
。
该 模 型 采 用 决
策树对训练语料进行聚类
,
所用上下文包括音节与焦点 单 词
的相对位置以及音节在韵律结构
(
如韵律短语
、
韵律词等
)
中
的位置
。
在此基础上
,
提出了一种基于局部凸显度的中 性 语
音到焦点语音声学特征变化的预测算法
。
采用该算法 后
,
客
观实验 中声 学特 征 变化 平均 绝 对值 误差 降 低到
0.08
,
主观
实验表明本文提出的 模 型的 转 换 语 音 具 有 更 好的 焦 点 表达
效果和自然度
。
关键词
:
语音转换
;
焦点 语 音
;
声 学 特征
;
韵 律 结构
;
局 部
凸显
中图分类号
:
TP391
文献标志码
:
A
文章编号
:
1000-0054
(
2013
)
07-1046-06
En
g
lishem
p
hatics
p
eechconversion
basedonadecisiontree
MENGFanbo
1
,
2
,
WUZhi
y
on
g
1
,
2
,
3
,
HelenMENG
2
,
3
,
JIAJia
1
,
2
,
CAILianhon
g
1
,
2
(
1.Tsin
g
huaNationalLaborator
y
forInformationScienceand
Technolo
gy
,
De
p
artmentofCom
p
uterScienceandTechnolo
gy
,
Tsin
g
huaUniversit
y
,
Bei
j
in
g
100084
,
China
;
2.Tsin
g
hua-CUHKJointResearchCenterforMediaSciences
,
Technolo
g
iesandS
y
stems
,
GraduateSchoolatShenzhen
,
Tsin
g
huaUniversit
y
,
Shenzhen518055
,
China
;
3.De
p
artmentofS
y
stemsEn
g
ineerin
g
andEn
g
ineerin
g
Mana
g
ement
,
TheChineseUniversit
y
ofHon
g
Kon
g
,
Hon
g
Kon
g
,
China
)
Abstract
:
Em
p
hasisisanim
p
ortantfeatureof
p
rosod
y
.Em
p
hatic
s
p
eechconversion techni
q
ues can im
p
rovethe ex
p
ressiveness of
converteds
p
eech.This
p
a
p
erdefinesthelocal
p
rominences
(
LPs
)
of
acousticfeaturesandthen anal
y
zesthecorrelationsbetweenthe
featurechan
g
esofthes
y
llablesoftheem
p
hasizedwordsfromneutral
toem
p
hatics
p
eechandtheLPsofthecorres
p
ondin
g
s
y
llablesofthe
neutrals
p
eech.An En
g
lishem
p
hatics
p
eechconversion modelis
thendevelo
p
edbasedonadecisiontree.Thismodelusesthedecision
treetoclusterthetrainin
g
data.Afterthis dataclusterin
g
,
an
al
g
orithm is
g
iven to
p
redictfeature chan
g
es from neutralto
em
p
hatics
p
eechbasedontheLPs.Testsdemonstratethatthemean
avera
g
eerrorofthemodelisdecreasedto0.08.Thenaturalnessand
theem
p
hasisintensit
y
oftheconverteds
p
eechesarealsoim
p
roved.
Ke
y
words
:
s
p
eechconversion
;
em
p
hatics
p
eech
;
acousticfeature
;
p
rosodicstructure
;
local
p
rominence
语音 是 人们在日常生活 中 重 要的交流手段
,
它
不仅能够表达文字 所 含 的语 义 信息
,
还可 以 通 过 说
话者的说话 方 式 如 语 气
、
焦 点 等 表 达 出 其 他 含 义
。
其中
,
焦点是语言 表 达 所 必要 的
。
根据 被 广 泛 认可
的焦点 重 音
(
focus-to-accent
)
理 论
,
在 音 高 重 音 语
言如英语中
,
成为焦 点的 词 或成 分 会以 音 高重 音 的
形式在语音中表现出来
,
即形成焦点重音
[
1
]
。
焦点 重 音具有局部凸显 性
,
声学特征 高 于 临近
音节的音节更容易 被 感 知为 重 音
[
2
]
。
一般 的
,
与 焦
点重音感知相关的 声 学 特征 主 要有 基 频
、
时长 和 能
量
[
3
]
。
研究发现
,
焦点 语 音 的 声学 表 现受 多 种 因 素
影响
。
语句中焦点的声学表现与其在句中的位置是
相关的
。
文
[
4
]
发现焦点的 基 频 和 时 长 变 化 随着 所
处韵律层级
(
如音节
、
韵律 词
、
韵律 短 语 和 语 调 短 语
等
)
的增大而增大
。
焦点 语 音 中 音 节 的 声 学 特 征 也
与焦点的相对位置有关
。
文
[
5
]
指出 焦 点 会 增 大 所
在单词重读音节的 基 频 范围
,
同时 减 小 焦 点 之 后 音