---- 目 前， 语 音 和 语 言 的 研 究 日 益 受 到 重 视， 语 音 研 究 的 目 的 不 只 是“ 弥 补 听 官 之 不 足 或 方 便 文 字 之 录 入”， 更 重 要 的 是 揭 示 言 语 交 际 的 机 理， 获 取 自 然 语 音 中 的 各 种 知 识 和 信 息， 并 为 人 类 的 信 息 交 流 服 务。

----语 音 技 术 是 世 界 强 国 竞 相 研 究 的 热 点 之 一， 国 内 一 些 科 研 单 位 对 汉 语 文 语 转 换 系 统（TTS） 进 行 了 大 量 的 研 究， 其 中 清 华 大 学、 中 国 科 技 大 学、 中 科 院 声 学 所 等 单 位 都 取 得 了 很 好 的 成 绩。 目 前 世 界 上 已 研 究 出 多 种 语 言 的TTS 系 统， 如 汉、 英、 法、 日、 德 等，Bell 实 验 室、ATR 和Siemens 公 司 已 研 制 出 多 语 种TTS 系 统， 法 国CNET 实 现 的 多 语 种TTS 已 用 于 电 话 网 中 的 公 共 话 音 服 务。

TTS 系 统 的 发 展

----1 ． 从 应 用 需 求 出 发， 设 计 出 特 定 应 用 和 通 用 计 算 机 语 音 输 出 系 统

----(1) 特 定 应 用 的 语 音 输 出 系 统

----这 种 系 统 适 合 于 特 定 场 合 的 要 求， 它 可 以 采 用 录 音/ 重 放 技 术， 或 针 对 有 限 词 汇 采 用 某 种 拼 接 技 术， 不 需 要 语 言 理 解。 如 用 于 航 班 信 息 发 布、 语 音 报 时、 汽 车 报 站 等。

----(2) 文 字 － 语 音 转 换（TTS） 系 统

----这 是 基 于 语 音 合 成 技 术 实 现 的 文 字 到 语 音 的 转 换， 是 通 用 计 算 机 语 音 输 出 系 统。 它 并 不 只 是 文 字 到 语 音 的 简 单 映 射， 还 包 括 了 对 文 字 的 理 解， 以 及 对 语 音 的 韵 律 处 理。TTS 系 统 能 适 应 各 种 应 用 的 需 求， 应 用 领 域 极 为 广 泛。

----2 ． 从 采 用 的 合 成 技 术 来 划 分， 有 基 于 规 则 或 拼 接 合 成 两 种 技 术

----(1) 基 于 规 则 的 合 成

----主 要 是 计 算 参 数 的 轨 迹， 形 成 规 则， 完 成 语 音 的 参 数 合 成。 采 用 的 参 数 有：

----· 发 音 器 官 参 数 语 音 合 成 这 种 方 法 对 人 的 发 音 过 程 进 行 直 接 模 拟。 它 定 义 了 唇、 舌、 声 带 的 相 关 参 数， 由 这 些 发 音 参 数 估 计 声 道 截 面 积 函 数， 进 而 计 算 声 波。

----· 声 道 模 型 参 数 语 音 合 成 它 基 于 声 道 截 面 积 函 数 或 声 道 谐 振 特 性 合 成 语 音， 如 共 振 峰、LPC、LSP 等 参 数 合 成 器。 这 类 合 成 器 的 比 特 率 低， 音 质 适 中， 易 于 实 现 韵 律 修 改。

----(2) 拼 接 语 音 合 成 技 术

----它 的 基 本 思 想 是 存 储 语 音 的 基 元， 合 成 时 读 取 基 元、 拼 接、 韵 律 修 饰。 拼 接 语 音 合 成 直 接 把 语 音 基 元 相 互 拼 接 在 一 起， 输 出 连 续 语 流。 这 些 语 音 基 元 取 自 自 然 语 音 的 词 或 句 子， 它 隐 含 了 声 调、 重 音、 发 音 速 度 变 化 时 的 细 微 特 性， 合 成 的 语 音 清 晰 自 然， 其 质 量 普 遍 高 于 规 则 合 成， 但 韵 律 参 数 修 改 范 围 受 限。

----近 年 来， 规 则 合 成 逐 渐 转 向 拼 接 合 成。 其 原 因 是 语 音 基 元 的 存 储 不 再 受 限， 某 些 声 音 如 呼 吸 或 爆 破 音 很 难 由 规 则 合 成 实 现。 特 别 是80 年 代 末，E.Moulines 和F.Charpentier 提 出 了 基 于 波 形 修 改 的 语 音 合 成 算 法PSOLA， 使 拼 接 合 成 得 到 很 大 的 发 展 与 广 泛 的 应 用。

----3 ． 基 于 拼 接 合 成 算 法 中 需 要 解 决 的 问 题

----(1) 声 学 基 元 的 选 择

----声 学 基 元 是 指 拼 接 的 基 本 单 位。 它 可 能 是 音 素、 双 音 子（Diphone）、 三 音 子（Triphone）、 半 音 节（ 首 音、 尾 音）、 音 节、 词 语、 语 句 等。 基 元 越 小， 语 音 数 据 库 越 小， 拼 接 越 灵 活， 韵 律 修 饰 的 规 则 就 越 复 杂。

----(2) 声 学 基 元 的 样 板 数

----对 于 同 一 个 基 元， 由 于 语 境 不 同 和 重 音 表 现 不 同， 其 声 学 特 征 有 很 大 差 别。 为 了 减 小 韵 律 修 饰 的 负 担， 可 以 建 立 多 样 板 语 音 数 据 库。 合 成 时， 根 据 某 种 规 则 或 模 型 选 择 最 为 理 想 的 基 元。

----(3) 韵 律 修 饰

----通 常TTS 系 统 的 基 元 平 滑 是 必 须 的， 其 目 的 是 改 善 合 成 语 音 的 自 然 度。 而 韵 律 修 饰 则 反 映 该 系 统 的 功 能。 韵 律 修 饰 就 是 修 改 语 音 数 据 的 声 学 参 数， 如 基 频、 时 长、 音 强 等。 通 过 韵 律 修 饰 能 力， 进 行 重 音、 语 调 的 模 拟， 实 现 语 速、 调 高 的 变 化。 也 有 一 些 基 于 拼 接 合 成 的 系 统， 通 过 多 样 板 的 选 择 来 体 现 韵 律 特 征， 不 含 有 韵 律 修 饰 功 能。 这 就 是 近 年 流 行 的 基 于 数 据 驱 动 方 法 的TTS 系 统。 在 这 种 系 统 中， 语 音 数 据 库 非 常 大， 是 以 尽 量 多 的 基 元 样 板 数 来 满 足 韵 律 的 需 求， 而 它 的 基 元 选 择 算 法 也 非 常 复 杂。

汉 语TTS 系 统 的 研 究

----清 华 大 学 计 算 机 系 人 机 语 音 对 话 研 究 组 成 立 于1979 年。1992 年 研 制 成 功 汉 语TTS 系 统Sonic。 经 过 多 年 的 改 进，Sonic 系 统 目 前 可 运 行 在DOS、Windows、Unix 等 操 作 系 统 下。 该 系 统 的 主 要 功 能 是： 转 换 国 标 一、 二 级 汉 字 为 语 音； 以 语 音 方 式 输 出 汉 字、 词、 句 子、 文 章 及 标 点、 数 字、 运 算 符 等； 语 音 输 出 以 句 子 为 单 位， 按 词 汇 停 顿， 能 自 动 确 定 多 音 字 的 正 确 读 音； 可 随 时 改 变 声 音 的 幅 度（Volume）、 基 频（Pitch）、 速 度（Speed）、 词 间 或 句 间 停 顿； 读 出 时， 可 随 时“ 暂 停”、“ 恢 复”、“ 终 止” 语 音； 支 持 DLL， 提 供 文 语 转 换 的 一 系 列API 函 数； 用 户 可 自 行 编 写 发 音 应 用 程 序。 该 系 统 目 前 已 获 得 多 项 应 用。

----我 们 研 究 了 汉 语 的 声 调、 重 音、 语 调 的 声 学 特 性， 并 设 计 了 韵 律 控 制 符， 进 行 了 重 音 和 语 调 的 模 拟。 在 韵 律 规 则 方 面， 采 用 统 计 和 规 则 相 结 合 的 方 法， 研 究 了 汉 语 韵 律 规 则 并 进 行 了 一 定 的 韵 律 模 拟 工 作。 在 韵 律 的 学 习 算 法 方 面， 我 们 已 经 针 对 神 经 网 络 模 型 中 层 次 结 构 和 训 练 算 法 及 其 输 入、 输 出 参 数 的 设 计 做 了 一 定 的 研 究。 我 们 期 望 通 过 进 一 步 研 究 TTS 系 统 的 韵 律 学 习 能 力， 优 化 韵 律 规 则， 完 善 韵 律 描 述， 同 时 改 变 合 成 语 音 千 篇 一 律、 缺 乏 变 化 的 现 状。

TTS 的 典 型 应 用

----1 ． 电 子 文 档 的 有 声 输 出

----计 算 机 中 存 有 大 量 的 文 本， 语 音 合 成 技 术 可 以 提 供 声 音 输 出， 弥 补 只 有 屏 幕 显 示 的 不 足。 无 论 以 任 何 方 式 得 到 的 文 字， 都 可 以 将 其 转 换 成 声 音。 下 图 给 出 了 电 子 文 档 有 声 输 出 的 原 理 框 图。

----系 统 包 括 文 本 输 入、 有 声 制 作、 电 子 文 库 管 理、 语 音 合 成 等 模 块。 文 档 的 录 入 可 以 多 种 方 式 获 得， 如 扫 描 仪 输 入， 经OCR 识 别 后 形 成 文 本 文 件， 键 盘 输 入， 数 据 库 读 出 等。 一 般 情 况 下， 电 子 文 档 可 直 接 转 换 成 声 音。 如 清 华 大 学 的TTS 系 统 与 汉 王 公 司 的 汉 字 识 别 系 统 集 成 后， 可 以 读 出 手 写 输 入 或 经 OCR 识 别 后 的 字 符。 有 声 制 作 模 块（ 不 是 必 须 的） 的 作 用 是 用 制 作 工 具 给 文 件 加 入 一 系 列 的 标 注， 以 实 现 语 音 输 出 的 变 化， 满 足 语 音 输 出 的 特 殊 要 求， 如 按 句、 按 段 改 变 男/ 女 声、 调 高 和 语 速 等。

----2 ． 声 讯 有 声 服 务

----网 络 技 术 的 飞 速 发 展， 使Internet 服 务 项 目 日 益 增 多， 时 效 性 提 高， 同 时， 电 话 已 成 为 人 与 网 络 交 互 信 息 的 终 端。 如 通 过 电 话 查 询 股 票 行 情， 进 行 股 票 交 易； 通 知 或 查 询 即 时 到 达 的 电 子 邮 件； 通 过 电 话 进 行 电 子 商 务 活 动 等。 这 些 不 但 用 到 语 音 合 成 技 术， 还 必 须 与 电 话 技 术 紧 密 配 合。 他 们 促 进 了 电 话 网 和 数 据 网 的 结 合， 为 人 们 提 供 了 全 新 的 服 务。 我 们 曾 开 发 或 支 持 过 银 行、 邮 局、 劳 保、 证 券、 专 利、 信 访 声 讯 服 务 系 统。 借 助TTS 技 术， 把 数 据 库 中 的 文 字 变 成 声 音， 用 户 利 用 电 话 收 听 即 时 变 化 的 信 息。

----用 户 可 以 通 过 计 算 机 或 电 话 得 到Internet 的 服 务。 当 以 电 话 方 式 获 得 服 务 时， 信 息 提 供 商 应 能 自 适 应 地 传 送 用 户 所 需 信 息， 即 将 文 字、 图 表 及 有 关 信 息 转 换 成 声 音， 传 送 到 用 户 的 电 话 上。TTS 技 术 是 实 现 这 些 服 务 的 关 键。

----语 音 技 术 已 成 为 智 能 计 算 机 领 域 的 研 究 热 点， 但 技 术 的 成 熟 度、 应 用 的 广 泛 性 与 人 们 的 需 求 还 有 较 大 的 差 距， 无 论 从 技 术 的 进 步 还 是 应 用 的 开 拓， 都 还 需 付 出 巨 大 的 努 力。 目 前， 合 成 语 音 的 可 懂 度、 清 晰 度 已 基 本 解 决， 自 然 度 还 不 尽 如 人 意， 表 现 力 的 差 距 较 大。 从 应 用 的 角 度 来 说， 仅 把 语 音 输 出 看 作 是“ 锦 上 添 花” 是 不 够 的， 如 盲 人 计 算 机、 即 时 信 息 服 务、 语 音 报 警 提 示、 口 语 机 器 翻 译 中 的 语 音 合 成 就 是 非 常 必 要 的。