PSOLA与正弦模型相结合的汉语语音合成研究与实现的中期报告.docx

PSOLA与正弦模型相结合的汉语语音合成研究与实现的中期报告
尊敬的评委老师们：
首先，我向各位老师简述一下我正在进行的研究项目——将PSOLA和正弦模型相结合，用于汉语语音合成的研究。
目前，汉语语音合成技术已经得到了广泛的应用，但是在某些情况下，合成语音的自然程度和可听度仍然不够理想。为了解决这一问题，我选择了将PSOLA和正弦模型相结合的方法。PSOLA可以用于转换基频和持续时间，而正弦模型则可以用于转换声音的谐波结构。这两种方法结合起来可以产生更加自然、逼真的合成语音。
在前期的研究中，我首先构建了一个PSOLA算法，其中主要包括对于基频、持续时间和音高的转换。我选择了学习PSOLA算法的原因是，PSOLA是一种非常成熟、被广泛应用的语音处理算法。其可以通过处理语音信号的基频和特征频谱，对语音信号的时变特性进行模拟，从而实现语音信号的伪造和重建。对于汉语这类声调语言而言，基频的控制非常重要，因此我希望用PSOLA算法来对基频进行控制。
随后，我开始着手研究正弦模型，主要探索如何将正弦模型融入到PSOLA算法之中。在正弦模型方面，我主要研究了正弦模型的预测、拟合和重建算法。在使用正弦模型时，我发现正弦模型具有处理谐波结构的优势，如果将正弦模型和PSOLA算法相结合，则可以在PSOLA方法仅修改基频和持续时间的情况下修改谐波结构，从而更加准确的模拟自然语音的音质。、和音高等特征。为了达到这一目的，我应用正弦模型预测了汉语不同基频下的谐波结构，然后使用这些谐波结构来重建汉语音频。该过程可以产生更加自然、逼真的汉语合成语音。
目前，我已经实现了PSOLA和正弦模型的结合，并进行了一系列的实验和对比。实验结果表明，这种混合方法在语音合成方面取得了很好的效果。此外，我还在对语音合成加入情感因素进行了实验。具体来讲，我使用了情感合成预测模型，将正弦模型和PSOLA算法结合到情感预测模型中，以合成情感语音。实验结果表明，加入情感因素后，语音合成质量得到了显著提高。
总的来说，我的研究旨在通过结合PSOLA和正弦模型，实现更加自然、逼真的汉语语音合成。我将会继续完善实验和数据分析，并不断探索新的优化方法。感谢您的关注。