在這篇論文裡我們提出一個中文文字翻語音的次系統，這個次系統產生一組音節合成
單位直我將這些音節合成單位連接起來，可以不必再經過任何轉換或修飾即可以合成
出比較更自然且流利的語音。在這個次系統中包含兩個部分，第一個部分是產生每個
音節的代表模板，第二個部分則是語音合成時的模板指派，第一個部分首先必須建立
一組大量的語音資料庫，將這些語音資料，經過前處理、切音、分段、抽取每一段的
特徵向量，再對每個不同音節分別計算其模板間彼此相似的程度再依彼此間之相似程
度作分類，並從每一類中選出一個具代表性的模板，並將其儲存起來當作基本的音節
合成單位。在這里我們提出一個新的，以音段的基礎的分類方法自動的決定每個音節
要儲存多少個模板以克服連音效應，並且可以自動的產生這些具代表性模板。系統的
第二個部分則是依據所給定的文句中每一個音節的上下文來指派最佳的模板，這一部
分我們使用一組共408 個神經網路來完成，每一個音節有一個神經網路經過訓練語料
的訓練後專門來處理模板的指派。這個次系統的性能經過電腦模擬驗證。實驗結果證
實，這次系統所合成出來的語音非常容易聽懂。從非正式的聽覺測試中證明大部分之
合成語音聽起來平順自然而且流利。這個系統另外有節省記憶空間達92% 及可以彈性
調整音節表度的兩大好處。
|