CN105702247A - 一种从语音频谱包络自动获取EpR模型滤波器参数的方法 - Google Patents

Abstract

拼接式语音合成中，语料库语音单元制作时经常需要对语音频谱包络进行建模，并通过语音频谱包络向其他底层语音模型（如正弦模型）提供控制参数，从而生成最终的合成语音单元。对语音频谱包络进行建模的方法之一是EpR模型。EpR模型滤波器参数确定常用的方法是手工指定。本发明使用梯度下降算法创建了一种从语音频谱包络自动获取EpR模型滤波器参数的方法，在不降低EpR模型滤波器参数精度的基础上，提高了该模型滤波器参数指定的效率，从而最终大幅提高了大型语料库制作的效率。

Description

一种从语音频谱包络自动获取EpR模型滤波器参数的方法

技术领域

本发明之技术属于拼接式语音合成的技术领域。

背景技术

拼接式语音合成的基本方法分两步：第一步对原始语音进行分析和处理，从而制作出由语音单元组成的语料库；第二步使用语料库中的语音单元，进行语音拼接合成。语音单元制作时，经常需要对语音频谱包络进行建模，并通过语音频谱包络向其他底层语音模型（如正弦模型）提供控制参数，从而生成最终的合成语音单元。

对语音频谱包络进行建模的方法之一是EpR模型。EpR模型，即ExcitationplusResonance，激励加共振模型。语音可以被解释为由声带作为激励源、声道作为滤波器而生成的，EpR模型正是基于这样一种理解，通过函数模型构建语音频谱包络的滤波器。

EpR模型包含了EpR激励源和EpR滤波器部分。语音的频谱包络由EpR滤波器建模，用以下函数式表达（振幅以分贝表述）：

EpR滤波器由EpR源滤波器和EpR声道滤波器组成。上述函数式中，是EpR源滤波器的频率响应幅度，代表了激励源的频谱包络；是EpR声道滤波器的频率响应幅度，代表了声道的频谱包络；是EpR声道滤波器中各个共振的频率响应幅度之和；是原始语音频谱包络和理想EpR滤波器频率响应之差。理想EpR滤波器频率响应函数定义如下：

EpR源滤波器函数定义如下：

其中、、为该函数需要确定的三个参数。

EpR声道滤波器中的函数定义如下：

其中，M是建模的共振数量，是第i个共振的频率响应函数：

其中，是第i个共振的传递函数：

fs为采样频率。

在中，、、为该函数需要确定的三个参数。实际操作中，、、的大致范围可由语音单元的音素标记确定。

EpR滤波器的运作原理是：

在分析阶段，找到、函数的参数，从而使与最逼近，并将其差值记录于。

在合成阶段，按需要修改分析阶段获得的参数，然后使用生成理想EpR滤波器频率响应，并将差值复原，从而使生成的语音频谱包络达到最小失真。

有关EpR模型的更详细的论述，可参阅Bonada,J.,Celmaò.,LoscosA.,OrtolàJ.,&SerraX.2001年于古巴哈瓦那召开的InternationalComputerMusicConference上发表的会议论文SingingVoiceSynthesisCombiningExcitationplusResonanceandSinusoidalplusResidualModels。

EpR模型参数确定常用的方法是手工指定。如果语料库规模不大，使用手工方法可以接受。如果语料库的规模很大，使用手工方法处理的工作量会非常大，效率比较低。

发明内容

本发明目的是：给定及参数、、的估计值，自动获取EpR源滤波器与EpR声道滤波器中的各参数，在不降低参数精度的前提下，大幅度提高EpR模型参数获取的效率，从而降低大规模语料库构建的成本和时间。

本发明达到目的采用的步骤包括：

步骤一、使用梯度下降算法计算EpR源滤波器的、、参数。

步骤二、使用梯度下降算法计算EpR声道滤波器的、、参数。

步骤三、计算出差值频谱包络。

附图说明

图1输入语音的频谱包络示例

图2执行本发明具体实施方式步骤二后的EpR源滤波器拟合效果

图3执行本发明具体实施方式步骤六后的EpR声道滤波器拟合效果

具体实施方式

步骤一、输入语音的频谱包络（如图1所示）、EpR声道滤波器中待拟合的共振数量M、频谱长度N、EpR声道滤波器中待拟合的各个共振的参数估计值、、。其中单位为分贝；与单位为赫兹；为线性幅度；i表示EpR声道滤波器中的共振序数。

步骤二、使用梯度下降算法计算EpR源滤波器的、、参数。

定义最小平方准则的误差函数如下：

其中θ为、、参数的集合；fs为采样频率。

使用梯度下降算法计算EpR源滤波器的、、参数的具体步骤如下：

(1)设定参数初始值；

(2)迭代执行以下（3）、（4）、（5）、（6）步骤：

(3)计算EpR源滤波器函数的估计值：

(4)根据最小平方准则误差函数，分别计算关于、、参数的偏导数：

(5)根据步骤(4)中计算出的误差函数的偏导数，更新参数与参数：

其中α为参数与参数的梯度下降系数。α取值在0.06左右时，拟合效果较好。

(6)为了保证迭代过程稳定，仅在第20次迭代后更新参数：

其中为参数的梯度下降系数，取值在左右时，拟合效果较好。

(7)当迭代充分收敛时（约600次迭代后）停止迭代。此时获得了准确的、、参数。

步骤三、根据步骤二计算获得的、、参数，计算EpR源滤波器函数：

的图像如图2所示。其中实线代表输入的语音频谱包络；虚线代表的图像。

步骤四、将步骤一中原始语音的频谱包络与步骤三获得的EpR源滤波器函数相减，获得语音的共振频谱包络：

步骤五、为简化后续计算步骤，进行以下操作：

(1)将语音的共振频谱包络由分贝单位转换到自然对数单位（如图3中实线所示）：

(2)将各个共振中心频率参数估计值转换到角频率：

(3)将各个共振带宽频率参数估计值转换为共振传递函数H(z)的参数：

步骤六、使用梯度下降算法计算EpR声道滤波器的、、参数。

定义最小平方准则的误差函数如下：

其中θ为、、参数的集合，i表示第i个EpR共振的参数；为共振频率上限，以频率项数为单位。

使用梯度下降算法计算EpR声道滤波器的、、参数的具体步骤如下：

(1)迭代执行如下（2）、（3）、（4）、（5）步骤：

(2)根据最小平方准则误差函数，计算关于各参数的偏导数的公共项：

(3)计算误差函数关于、、各参数的偏导数。

由于EpR共振频率响应函数较为复杂，不便求导，定义有限差分函数从而计算导数的近似值：

其中是一个极小的常数，取值为。

根据步骤(2)中获得的公共项和上述有限差分函数，计算误差函数关于、、参数的偏导数：

(4)根据步骤(3)中计算出的误差函数的偏导数，更新各个共振的、参数：

其中、分别为与参数的梯度下降系数。当、取值分别在0.003、3左右，拟合效果较好。

(5)为了保证迭代过程稳定，仅在第20次迭代后更新参数：

其中为参数的梯度下降系数，取值在0.003左右时，拟合效果较好。

(6)当迭代充分收敛时（约80次迭代后）停止迭代。此时获得了准确的各个共振的、、参数。拟合效果如图3中虚线所示。

步骤七、根据步骤六获得的准确的、参数，还原出EpR声道滤波器中各共振的、参数：

步骤八、根据EpR声道滤波器中各共振的中心频率，从低到高对EpR声道滤波器参数重新排序。

由于第六步的迭代中，各共振的中心频率被修改，可能会与序数i不符，故有必要将共振参数按中心频率从低到高重新排序，使其满足如下条件：

步骤九、根据步骤四获得的语音的共振频谱包络、步骤八获得的EpR声道滤波器中各共振的、、参数，计算出插值频谱包络：

Claims (3)

1.一种从语音频谱包络自动获取EpR模型滤波器参数的方法,其特征在于采取如下步骤实现：步骤一、使用梯度下降算法计算EpR源滤波器的参数;步骤二、使用梯度下降算法计算EpR声道滤波器的参数;步骤三、根据步骤一、步骤二获得的参数，计算出差值频谱包络。

2.一种从语音频谱包络自动获取EpR模型源滤波器参数的方法，特征在于：定义EpR源滤波器函数的误差函数，给定EpR源滤波器函数参数的估计值，然后根据误差函数，分别计算关于EpR源滤波器函数参数的偏导数，并据此更新EpR源滤波器函数参数，循环迭代，直至迭代充分收敛。

3.一种从语音频谱包络自动获取EpR模型源滤波器参数的方法，特征在于：定义EpR源滤波器函数的误差函数，给定EpR源滤波器函数参数的估计值，然后根据误差函数，分别计算关于EpR源滤波器函数参数的偏导数，并据此更新EpR源滤波器函数参数，循环迭代，直至迭代充分收敛。