语音合成系统中语音库样本能量均衡方法研究

来源：信号处理杂志 2017年第2期北京时间：

作者：刘伟, 谢建志

摘要：语音库的质量是决定语音合成(Text to Speech, TTS)效果的重要因素。TTS语音库的制作周期需要六个月左右，期间，发音人的录音状态需要保持一致，即音色、能量皆不能有大的差异，这对于发音人来说是较为困难的。为此，本文给出语音能量均衡方法，其中包括时域包络波动检测算法和帧能量平均算法，旨在解决TTS语音数据库录制后能量不一致现象。首先分析获得标准语音的相关能量参数和波动参数作为模板；其次，利用时域包络波动检测算法对预调节语音样本的合格性进行检验；最后根据帧能量平均准则，对所有合格语音样本进行时域幅值调整，以最大限度地保证语音库整体能量的一致性。实验结果表明，本文提出的语音能量均衡方法可以有效提升TTS语音库质量，具有实际工程意义。

关键词：语音合成, 能量均衡, 时域包络波动检测