10、西班牙语音合成中HMM与CBR的融合及情感语音语料库评估

西班牙语音合成中HMM与CBR的融合及情感语音语料库评估

在语音合成技术不断发展的今天，如何提高合成语音的质量和表现力是研究的重点方向。本文将探讨西班牙语音合成中基于隐马尔可夫模型（HMM）和基于案例推理（CBR）的融合方法，以及对情感语音语料库的客观和主观评估。

1. HMM与CBR融合的西班牙语音合成

在西班牙语音合成中，对HMM和CBR两种系统在基频（F0）轮廓和音素时长方面的均方根误差（RMSE）进行了评估。

• F0轮廓RMSE评估
  • 从图3（a）可以看出，除了疑问句的情况，CBR和HMM系统在F0轮廓的表现上较为相似。对于疑问句，短句子的表现更差，如图3（b）所示。
  • 例如，在分析不同类型的短语时，发现对于一些特定的短语类型，两种系统的性能有所差异。

• 音素时长RMSE评估

  • HMM和CBR系统在音素时长的RMSE方面表现相似，但疑问句在HMM系统下表现更差，而非常长的句子（VL）在CBR系统下表现更差，如图4所示。
  • 具体来说，在不同长度的短语中，音素时长的估计会受到系统类型的影响。

• 实际示例分析

  • 以图5（b）中的实际例子为例，对于短陈述句部分（帧数 < 350），HMM和CBR估计的F0轮廓相似。但对于短疑问句部分（帧数 > 350），CBR方法更优，因