一种语音基元的编码与合成方法
申请公布号:CN102314880A
申请号:CN201010215144.0
申请日期:2010.06.30
申请公布日期:2012.01.11
发明人:孟智平
分类号:G10L19/00(2006.01)I
主分类号:G10L19/00(2006.01)I
地址:200051 上海市长宁区天山路789号长房国际西楼1004室
摘要:本发明公开了一种语音基元的编码与合成方法,可用于低带宽高音质的语音传输。本发明在数字语音传输的基础上,以构建的语音基元为编码对象,建立语音基元模型库,把语音基元用统一的方法和编码进行表示,从而进一步合成语音。该方法首先通过对日常语音的分析,采用聚类算法构建语音基元模型库;然后,利用语音基元自动切分算法,对获得的连续语音流进行语音基元的自动切分,并提取语音基元MFCC特征,通过与语音基元模型库中的语音基元进行匹配识别,获得语音基元所对应的编号,以编号代替语音基元进行编码。在合成语音过程中,通过编号从语音基元模型库中取出该编号所对应的语音基元,并通过数学变换对语音基元的频谱包络进行插值拟合等处理,形成平滑过度的语音。
主权项:一种基于语音基元的编码与合成方法,其特征在于包括以下步骤:获取大量语音流样本数据,通过对其样本数据进行处理,构成语音基元模型库;对获取到的连续语音流进行切分,获取语音基元及其基频F0,然后将该语音基元与语音基元模型库中的语音基元进行匹配,获得相对应的语音基元编号,采用编码方法按照一定的格式对语音基元编号、语音基元基频F0和其他语音特征附属信息进行编码,将编码后的数据包进一步压缩,通过IP网络或电话网络将该语音压缩数据包传输到目的地;接收方收到语音压缩数据包后,采用相应的解压缩算法解压数据包,根据语音基元编号查找语音基元模型库,取出该语音基元所对应的语音特征,并根据基频F0和其他附属信息还原为语音。