（模式识别与智能系统专业论文）实用化的粤语语音合成系统研究与实现.pdf

堕主里型堂垫垄盔堂堡圭堂堡丝皇 塞塑至 摘要 多语种的语音合成研究是近年来国内外语音台成研究的一个热点。实现多语种的语音合 成，包括方言、少数民族语言的合成，也是国内汉语语音台成研究的一个重要研究方向。粤 语作为一种强势的方言，其特殊地位及潜在的市场价值以及目前国内外粤语语音合成技术的 现状使得研制实用化的粤语语音合成系统将具有特殊意义。 本文以完成一个实用化的粤语语音合成系统为目标，对粤语语音合成技术所涉及的一系 列关键技术进行了深入研究，主要完成的研究工作有： 首先对粤语语言体系进行全面研究，分别从语音、词汇和语法三方面来分析粤方言的语 言特色，并系统总结出粤语方言的十大语言特色。 其次在合成系统研制过程中，依次对建立基于大语料库粤语语音合成系统所需的关键技 术( 粤语语料库设计、韵律模型设计和单元挑选模块设计) 逐一进行深入研究。在语料库设 计中提出语境矢量和语境总量的独特概念，给出粤语语料库语境矢量的组成和分类，提出语 境总量的计算方法，并将之应用到语料搜索中为语料库建立提出更为完整的理论基础。韵 律模型设计中给出基频数据预处理、基频曲线聚类的具体解决方案并对c 4 5 决策结果提出 了一套正确率测试方法，包括定量误差分析、作图观察等，最后对基频预测的语音进行分析， 运用p s o l a 算法进行基频调整以达到最大的听感满意度。单元挑选模块设计中主要针对韵律 代价函数中代价权重的确定给出具体地处理过程，分析了目标代价和连接代价的组成以及权 值训练步骤，从而保证了实现一个成功的具有较高可懂度和自然度的粤语语音合成系统。 此外，本文还抓准了目前移动通信的迅猛势头，提出将粤语语音合成系统应用到移动终 端上，针对服务器与客户端之间传输的技术难点提出s o a p 解决方案，将整个合成系统的实 用化推向更高层面，为粤语语音合成技术的进一步研究提出了更加广阔的发展方向。 最后结论部分本文将简要地介绍所研制的k b c t 2 0 的系统架构和性能指标评测，指出了 未来进一步的研究内容和方向。 通过本课题的研究可以对粤语有个整体深入的了解，并对语音合成系统的研制过程有 进一步清晰的认识，对其中影响合成效果的关键点给出详细的解决方案，同时，对粤语语音 合成系统的应用也提出了更加明朗的发展方向。 关键词：语音合成：大语料库技术：韵律模型；单元挑选；分布式语音合成：s o a p ( 简单 对象访问协议) 燮- 主望型兰堇查盔兰塑主兰笪鲨皇 薹苎塑鐾 a b s t r a c t r e c e n t l ym u l t i 一1 i n g u a lt e x t t o s p e e c hi sa ni n t e r e s t i n gr e s e a r c hs u b j e c ti nt t s r e s e a r c hf i e l d t or e a l i z em u l t i l i n g u a lt t ss y s t e me s p e c i a l l ym u l t 卜d i a l e c t i n c l u d em i n o r i t yl a n g u a g ei sa l s oa ni n t e r e s t i n gr e s e a r c hs u b j e c to fc h i n e s et t s r e s e a r c hf i l e d c a n t o n e s ei sa np o w e r f u ld i a l e c t ，d u et oi t sd i s t i n g u i s h i n g l ys t a t u s a n dw i d e l yu s e s ，i tw i l lm a k eo u rs t u d i e sm o r em e a n i n g f u l t h i st h e s i sf o c u s e so nt h er & do fk b c t 2 0 ，t h ef i r s tp r a c t i c a lc a n t o n e s es p e e c h s y n t h e s i ss y s t e mi nm a i n l a n dc h i n a i n d e p t hr e s e a r c hw a sc o n d u c t e do nas e r i e so f k e yt e c h n i q u e ss u c ha sc o r p u sd e s i g n ，p r o s o d i cm o d e ld e s i g na n du n i ts e l e c t i o n s t r a t e g y t h em a i nc o n t e n t sa r ea sf o ll o w i n g ： f i r s t l y ，t h i st h e s i sw i l l s t u d y i nc a n t o n e s e l a n g u a g es y s t e mi n c l u d ei t s p h o n e t i c s 、v o c a b u l a r ya n de x p r e s s i o nw h i c ho fal a n g u a g em a i nf e a t u r e s s e c o n d i y ，w ew i l ld i s c u s st h ek e yt e c h n i q u e si nac o r p u s b a s e dc a n t o n e s et t s s y s t e m i nt h ea s p e c to fc o r p u sd e s i g n w ep r o p o s et h eu n i q u ed e s i g no fc a n t o n e s e “c o n t e x tv e c t o r ( c v ) ”a n dt h eu n i q u ec o n c e p t “c o n t e x tg r o s s ( c g ) ”。g i v et h e c a n t o n e s ec v sc o m p o s i n ga n dl a b e l a l o n gw i t ht h ec a l c u l a t i o nm e t h o do fc g ，l a y i n g at h e o r e t i c a lf o u n d a t i o nf o rc o r p u ss e a r c h i nt h ea s p e c to fp r o s o d i cm o d e ld e s i g n ， w eg i v et h es o l v es o l u t i o no ft h ee x t r a c t i o no ft h ep i t c h e sa n dt h e i rc l a s s i f i e r s a n dp r o p o s eas e to ft e s tm e t h o d so ft h ea c c u r a c yo fc 4 5d e c i s i o n m a k i n gr e s u l t w h i c hm a k eo u rp r e d i c t i o nm o r ea c c u r a t ei nt h ea s p e c to fu n i ts e l e c t i o ns t r a t e g y ， w es e tau n i q u et r a i n i n gp r o c e s so ft h ec o e f f i c i e n tt r a i n i n go ft h eo b j e c tc o s ta n d c o n c a t e n a t i o nc o s tw h i c he n s u r eo b t a i n i n gr a t h e rs m o o t hs y n t h e t i e s p e e c h f u r t h e r m o r e ，t h ist h e s i sa i ma tt h er a p i d l ym o b i l ec o m m u n i c a t i o ne x p a n d i n g ， p r o p o s ear e a l i z a t i o no fa p p l y i n gt h ec a n t o n e s e 竹ss y s t e mt ot h em o b i l et e r m i n a ls a n dg i v eas o l u t i o no fs o a pt os o l v et h ed a t at r a n s f e rf r o mt h es e r v e rt ot h ec 1l e n t f i n a l l y ，t h es y s t e ma r c h i t e c t u r ea n dt h ep e r f o r m a n c ee v a l u a t i o no fk b c t 20a r e d e s c r i b e da n df u t u r er e s e a r c hd i r e c t i o n sa r ep r e s e n t e d t h r o u g ht h er e s e a r c ho ft h i st o p i c ，w eh a v eac l e a rk n o w i n go fc a n t o n e s ea n d t e x t t o s p e e c ht e c h n o l o g y ，a n dh a v eac l e a ru n d e r s t a n d i n gw i t ht h es o l v i n go ft h e k e yt e c h n o l o g i e s a tt h es a m et i m e ，t h i st h e s i sh a sp r e s e n t e dac l e a rr e s e a r c h d i r e c t i o no fc a n t o n e s et t st e c h n o l o g y k e yw o r d s ：s p e e c hs y n t h e s is ：c o r p u s b a s e dt e c h n i q u e ；p r o s o d i cm o d e l ：u n i ts e l e c t i o n ： d i s t r i b u t e ds p e e c hs y n t h e s i s ( d s s ) ： s i m p l eo b j e c ta c c e s sp r o t o c o l ( s o a p ) 第1 章前言 1 1 研究背景 语音作为人类最自然的沟通方式，是人们传递信息和获取信息的最佳途径。自从计算机 发明以后，人们就考虑怎样与计算机交流最便捷。毫无疑问，语音是晟为方便的手段。如果 计算机能够听懂语言并能够用语言表达，那么抛弃了键盘的人们交流起来会更轻松便捷。人 机交互所涉及的语音技术可分为语音识别、语音编码及语音合成。它们是信息处理领域内的 前沿技术而且每一类的应用前景都非常广阔。 其中，语音合成，又称为文语转化。它涉及声学、语言学、数字信号处理、多媒体等多 种学科，是中文信息处理领域的一项前沿技术。语音合成解决的主要问题是：如何将电子化 文本的文字信息转化为能够播放的声音信息。要实现语言合成有二个方面的可能性：一是让 机器再生一个预先存入的语音信号，就象普通的录音机一样，不同之处只是采用了数字存储 技术。简单地将预先存入的单音或词组拼接起来也能作到“机器开口”，但是“一字一蹦”， 机器味十足，人们很难接受。如果预先存入足够的语音单元，在合成时采用恰当的技术手段 挑选出所需的语音单元拼接起来也有可能生成高自然度的语句，这就是基于波形拼接的语 音合成方法。为了节省存储容量，在存入机器之前还可以对语音信号先进行数据压缩。另一 种可能是采用数字信号处理的方法，将人类发声过程看作是一个模拟声门状态的源，去激励 一个表征声道谐振特性的时变数字滤波器，这个源可能是周期脉冲序列它代表浊音情况下 的声带振动，或者是随机噪声序列，代表不出声的清音。调整滤波器的参数等效于改变口腔 及声道形状，达到控制发不同音的目的，而调整激励源脉冲序列的周期或强度，将改变合成 语音的音调、重音等。因此，只要正确控制激励源和滤波器参数( 一般每隔1 0 3 0 m s 送一 组) ，这个模型就能灵活地合成出各种语句来，因此又称作为参数合成的方法。根据时变滤 波器的结构形式不同，又有l p c 合成和共振峰合成器等之分。 按照人类言语功能的不同层次，语言合成也可分成三个层次它们是：( 1 ) 从文字到语 音的合成( t e x t - t o s p e e c h ) ；( 2 ) 从概念到语音的合成( c o n c e p t - t o s p e e c h ) ；( 3 ) 从意向 到语音的合成( i n t e n t i o n t o s p e e c h ) 。这三个层次反映了人类大脑中形成说话内容的不同过 程，涉及人类大脑的高级神经活动。不难想象，即使是按规则的文字到语音合成( 文语合 成) 也已经是相当困难的任务。为了合成出高质量的语言，除了依赖于各种规则，包括语义 学规则、词汇规则、语音学规则外，还必须对文字的内容有很好的理解，这将涉及自然语言 理解的问题。从这一点讲。文语转换系统实际上也可看作一个人工智能系统。近几十年来国 际和国内的研究主要集中在按规则文语合成，即将书面语言转换成口头语言。并且近代语音 合成技术随着计算机技术和数字信号处理技术的发展而发展，其目的主要是让计算机能够产 生高清晰度、高自然度的连续语音。 燮l 主里型兰丝查盔堂婴主堂堡丝皇笪生墨堕 1 ，1 1 语音合成技术发展历史及现状 语音合成技术的研究已有二百多年的历史，大致经历了共振峰合成、l p c 合成至应用 基音同步叠加技术( p s o l a ) 的过程。但是真正有实用意义的近代语音合成技术还是应用 p s o l a 技术的波形拼接语音合成方法“j 。 自八十年代末期，出现了波形拼按语音合成方法。这种方法采用语音编码技术根据自 然语言的语音和韵律规律，存储适当的语音基元使这些单元在确定的存贮容量下具有最大 的语音和韵律覆盖率。合成时刻经过单元选择、波形拼接、平滑等处理步骤后输出自然语 音。通过精心设计语料库，以及根据语音和韵律规则( 直接使用这些规则或对这些规律进行 建模) 。从语音库中挑出最合适的声学单元，使文语转换系统输出高质量的语音。由于波形 拼接语音合成中的合成单元是从原始自然语音中切分出来的，它们保留了自然语音的一些韵 律特征，也能较好地保持合成单元的音段特性。虽然这种合成方法需要占用较大的存储空间， 但计算量小，计算速度快。特别是基音同步叠加( p s o l a ) 方法的提出( 1 9 9 0 ) ，使基于时 域波形拼接方法合成的语音的音色和自然度大大提高。p s o l a 方法具有很灵活的特性，既 能保持原始发音的主要音段特征，叉能在拼接时灵活地调整基频、时酶、停顿和能量等超音 段特征，因而受到了世界各国专家的重视。 九十年代初，基于p s o l a 技术的法语、德语、英语、曰语等语种的文语转换系统都已 经研制成功。这些系统的自然度比以前基于l p c 合成方法或共振峰合成方法的文语转换系 统的自然度要高。并且基于p s o l a 方法的合成器结构简单易于实时实现，有很大的商_ f j 前 景。 在国家8 6 3 计划国家自然科学基金委国家攻关计划，中国科学院有关项目等支持下， ( 汉语) 文语转换系统研究近年来取得了令人举目的进展其中不乏成功的例子：如中国科 学院声学所的k x p s o l a ( 1 9 9 3 ) ，联想佳音( 1 9 9 5 ) ；清华大学的t hs p e e c h ( 1 9 9 3 ) ： 中国科技大学的k d t a l k ( 1 9 9 5 ) 、k d 8 6 3 ( 1 9 9 8 ) 等系统。这些系统基本上都是采用基丁 p s o l a 方法的时域波形拼接技术。其合成汉语普通话的自然度、可懂度、清晰度都达到了 很高的水平。特别是中国科技大学语音实验室研制的汉语文语转换系统k d 2 0 0 0 ( 1 9 9 9 ) 和 k b 2 0 0 0 ( 2 0 0 0 ) 合成的句子及篇章语音的自然度已经达到用户广泛接受的程度，从而使得 这项技术开始大规模的进入市场【1 1 。 虽然目前语音合成技术已经走向实用，但还是有许多理论和应用问题有待解决。进入 2 0 世纪9 0 年代以来，人工智能、自然语言理解、信号处理、随机过程、模式识别等领域越 来越多地向语音处理中渗透，并得到了非常成功的应用，导致了语音技术在多项关键性技术 上的突破。同时，语音合成的研究，也变成了一个系统工程，所涉及的知识也远远超出了语 音信号研究的本身而越来越广。在这种背景下，语音合成的研究，也同样融入了许多新的 概念。 图1 1 显示了一个完整的基于波形拼接技术的文语转换系统示意图。它有文本预处理及 燮：主里型兰垫查盔堂堡主兰堡垒皇 塑! 童煎童 文本分析、韵律预测、单元选择、和声学层后处理等模块构成。文本预处理需要对输入的文 本信息进行规范化，让计算机找出拼写错误，滤掉不规范的或者无法发音的字符。文本分析 模块会分析文本中词或短语的边界确定文字的读音，分析文本中出现的数字、姓氏、特殊 字符、专有词语以及各种多音字的读音方式，并根据文本的结构、组成和不同位置上出现的 标点符号确定发音时语气的变换以及不同音的轻重方式等。韵律预测模块是语音合成中最 重要的一个部分，它的作用主要是根据前面文本分析的结果，来预测它们在确定发音风格下， 所对应的某种合理的韵律现象。包含韵律上合理的停顿位置和停顿类型、每个声学单元( 如 音节、音素等) 的时长、基频起伏、每个声学单元的能量大小。声学单元选择则会根据系统 中其它模块所分析出的语音和韵律参数，从语料库中提取出一组最合理的声学样本。 i 韵律预测 匪至 圈 1 1 2 语音合成的发展方向 图i i 文语转换系统示意图 “困 输出语音 总的说来，目前语音合成技术的发展方向主要如下： i 提高合成语音的自然度 提高合成语音的自然度仍然是高性能文语转换的当务之急。就汉语语音合成来说，目前 在单字和词组一级上，合成语音的可懂度和自然度已基本解决，但是到句子乃至篇章一级时 其自然度问题就比较大。目前，基于大语孝斗库的语音合成方法可有效提商语音合成的自然度。 因为这是一种采用自然语音波形直接拼接的方法，进行拼接的语音单元是从一个预先录下的 自然语音数据库中挑选出来的，因此有可能最大限度地保留语音的自然度【”。 无论用哪种合成方法韵律规则的总结，特别是连续语音的韵律规则总结，尽可能将定 性的规则描述定量化对自然度始终有晟重要的影响。还有前端文本处理，对合成语音的自 然度也具有举足轻重的影响，完整全面的解决，需要自然语言理解的突破。 南 燮主旦登鲎垫查盔兰堕主兰壁堡壅 箜! 皇蓝童 2 丰富合成语音的表现力 目前国内外大多数语音台成研究是针对文语转换系统，且只能解决以某种朗读风格将书 面语言转换成口语输出，缺乏不同年龄、性别特征及语气、语速的表现，更不用说赋予个人 的感情色彩。随着信息社会的需求发展，对人机交互提出了更高的要求，人机口语对话系统 的研究也提到了e l 程上。 3 降低语音合成技术的复杂度 语音合成技术正在走向市场。为了适应社会的需求，扩大文语合成的应用场合，除了解 决好上面两个问题提高合成语音的质量和增强语音合成的表现力以外，在其他实用化方面 也有要加以改进的地方。就目前汉语文语转换系统而言，减小音库容量就是一个重要课题。 可通过语音压缩编码的方法来压缩音库容量或采用更小的合成基元等等方法。然而既 要提高语音合成的质量，又要降低语音合成的复杂度始终是矛盾的两个方面。 4 多语种文语合成 语言是人们交流的工具，不同民族有自己不同的语言，不同语言之间的交流在今天开放 的信息社会和网络时代显得十分蘑要，多语种的文语合成有着独特的应用价值。例如在自动 电话翻译，有声的电子邮件等中都提出多语种的合成，即使是对汉语合成也有多方言文语转 换的需求。 理想的多语种合成系统是各种语言共用一种合成算法或语音合成器。但是现有的语音合 成系统的算法及规则大多是针对某一种语言开发的，很难推广到其他语种。要真正解决多语 种的文语台成，从文本处理到语音合成都必须有新的思路。 1 2 课题的研究意义 目前国内的研究机构，除对汉语普通话开发出合成音质达到实用水平的语音台成系统 外，其它如粤语、上海话等，基本没有开发出具有和普通话的合成效果相媲美的语音合成系 统。而多语种的语音合成研究已成为国内外语音合成研究的个重要方向。因此，研究粤语 语音合成技术，并致力于研制出一个实用化的粤语语音合成系统将具有特别的研究价值。 首先，由于粤语的地位和作用比较特殊作为全国八大方言之一粤语不仅是一种很有 特色的方言。一种强势的方言，在“国两制”下，粤语在香港、澳门特别行政区仍将是社 会上主要的交际工具。粤语主要通行于广东大部分地区、广西部分地区及港澳。此外，在美 加的华人大部分也是使用粤语。据估计，到目前为止，全世界使用粤语的人口已有六千多万 【4 】。因此，在粤语地区普通话语音合成已经不能很好的满足实际的应用需求。必须进行粤 语语音合成的研究。 并且，在目前的粤语语音合成系统的研究中，尚未完全达到实用化的水平。香港中文大 学电子工程系语音处理实验室是最早进行粤语语音合成研究的主要单位之一。它致力于粤语 语音学、韵律学上的研究和粤语语音数据库的开发，曾成功研制出粤语语音合成引擎 c u t a l k 。c u t a l k 是一个基于规则的语音合成系统，采用波形拼接技术，实现汉字文本到粤 堡遵生里拦燮盔兰堡主兰垡塑 茎! 羔盟董 语口语的转换”1 。c u t a l k 目前还停留在实验室阶段。另外。美国的s c a n s o f l 公司最近推出 了r e a i s p e a k 商业粤语语音合成系统，无论在语音合成的自然度，清晰度、可懂度等指标上 还是在系统的资源占用率和运行效率上，均远胜于先前的粤语语音合成系统ar e a l s p e a k 采 用先进的基于大语料库的波形拼接语音合成方法，并在单元拼接处进行了谱平滑，能够合成 出较为自然、通顺的粤语语音i 6 l 。但由于该系统使用的语料库比较小，语音和韵律的覆盖率 较低，合成语音的自然度还需要进一步提高。加上它为了追求合成语音的平滑度。在相邻拼 接音节之间进行了谱平滑处理，导致声音的失真和音质的下降。此外。i b m 、微软、i n t e l 等国际知名大公司也在积极开展粤语语音合成研究，但目前尚未有成形的系统。 鉴于以上两点，在本人与中国科大讯飞智能多媒体联合实验室合作课题时有幸参与到 国家8 6 3 项目一汉语多语种连续语音合成项目的研制，并考虑到该实验室目前在汉语语音合 成技术研究领域的领先地位，尤其是在大语料库语音合成方法上总结出了一套与具体语种无 关的研究路线，本人致力于将该实验室在普通话语音合成上的一套研究经验应用到粤语中， 努力完成出一个具有较高可懂度和自然度的粤语语音合成系统k b c t 2 o 的研制。 1 3 研究的内容及论文的结构 本文的主要研究工作都是围绕建立一个实用化的粤语语音台成系统k b c t 2 0 展开的。该 系统采用基于大语料库的语音合成技术和波形拼接技术，在具体的粤语语音知识的指导r ， 针对粤语语料库设计、韵律模型的建立和评价、单元挑选及代价权值训练等一系列关键技术 上做了较为深入的研究并成功运用于实际的语音合成系统中。 围绕该系统，本文完成的主要工作有： 对粤方言做了全面研究从语音、词汇和语法三部分来分析粤语语音体系，系统总 结了粤方言的十大语言特点。为该系统提供了基本的语言知识。 对粤语韵律特征进行了分析，并在语料库设计中提出“语境矢量”的独特设计和“语 境总量”的概念，详细分析了粤语语境矢量的组成，提出了“语境总量”的计算方 法，为文本语料的搜索打下理论基础。 在韵律预测上，采用多种方法对韵律数据进行基频聚类，之后进行c 4 5 决策树训练， 对预测结果提出了套正确率测试方案，包括定量误差分析和作图观察等，最后还 对基频预测的语音进行分析，运用p s o l a 算法对基频进行调整以达到最大的昕感满 意度。从而保证了能较为准确地预测出目标单元的基频等韵律特征。 在单元挑选策略中不但总结了单元挑选算法理论，而且针对代价计算给出了的韵 律代价函数及权值训练方法。经过训练的权值调整更加保证了合成系统合成出平 滑、顺畅的语音。 追求最大的实用化价值，提出将粤语语音合成系统应用到移动终端上，采用分布式 语音合成技术，s o a p 协议作为中间的传输协议，c s s m l 语音数据格式，将粤语语 音合成系统的实用化价值推向更高层面。 5 堕生里型兰垫查盔堂堡主鲎堡垒塞 笙! 童萱室 从内容组织结构上，本文各章内容如下 第一章前言首先阐述了语音合成技术发展的历史及现状，并介绍了目前语音合成技术的 主要发展方向。最后简要阐明了本文工作的研究意义以及本文的组织结构。 第二章主要从语音、词汇和语法三部分来探讨粤语语音体系，介绍了k b c t 2 0 系统所采 用的粤语拼音方案，并分析了粤语词汇的类别及构词法，以及粤语语法。根据以上分析，该 章最后还总结出粤方言的十大语音特色。 第三章语料库设计中分析了语料的韵律特征，并提出语境矢量和语境总量的概念，详细 介绍了语料库设计的原理和过程。给出了k b c t 2 0 系统粤语语料库设计时语境矢量的组成： 语料搜索处理中还介绍了g r e e d y 算法并阐述了我们语料搜索过程以及之后的语料标注过 程。 第四章韵律模型设计中介绍了韵律模型的基本概念，并就设计过程中数据预处理、c 4 5 决策树训练、正确率测试等关键技术做出详细阐述和解决过程。 第五章实际给出单元挑选算法，介绍了连接代价计算和目标代价计算n , , r e f f j g 白权值 的训练并结合实际处理过程进一步阐述。 第六章结合目前移动终端的迅猛发展，提出将粤语语音合成系统应用到移动终端中，采 用分布式语音合成的技术，s o a p 协议传输，从而将粤语语音合成技术推向更加实用化的层 面。 第七章会对本文的工作进行总结，给出研制的粤语语音合成系统k b c t 2 0 的系统架构 和性能指标评测，指出了将来进一步的研究内容和方向。 6 - 燮! 璺! ! 兰垫查查兰堡主竺焦堡壅 笙! 垦! 塑壹竺塞 第2 章粤方言研究 粤语又名广卅f 话、广东话、白话，或者广府话。它主要集中分布在广东省的中部、西 部和南部，广西壮族自治区的东南部，以及香港和澳门地区，人口大约有6 0 0 0 万。另外， 在旅居海外的华人中，由于广东人( 包括香港人) 占大多数，所以在外国的华人群体中t 讲 粤语的比讲普通话的更加普遍【”。其中因为粤代表了广东，而在广东使用范围最大使用 者最多的就是这种方言，所以我个人认为粤语是它的最标准名称。 由于广东地区经济发展迅速，而且以经济繁荣港澳地区为后盾，粤语的地位迅速提升， 成为一种强势的方言。粤语的强势地位使粤语具有很强的内聚力和外张力。内聚力是指广东 人粤语有强烈的认同感，因此，直到现在，粤语在广东仍是社会上的主要用语。粤语的扩张 力指粤语的使用范围有不断扩张的趋势，广东客家话和闽南话地区的城镇也开始使用粤语 i b l 。因此，我们研究粤语语音合成和实现将具有很大的市场价值。 任何语言都是由语音、词汇、语法三部分构成。本文中，我们将主要从语音、词汇和语 法三部分来探讨粤语语音体系，并将研究成果具体应用到我们的粤语语音合成系统中。 2 1 粤语拼音方案 语音是语言中最基本的部分，汉语的语音音节相对简单每个音节都由声母、韵母、声 调三部分组成，而且这些声母、韵母、声调都是数量有限而且固定的，这些元素就组成了一 个语音系统1 9 】粤语和普通话在发音上虽然相差很大，但也存在明显的对应规律i o 。 香港语言学学会( t h el i n g u i s t i cs o c i e t yo fh o n gk o n g ) 在1 9 9 2 年举办了一次有关粤 语拼音的研讨会。会后组织了一个由香港各大专院校的教师和研究生组成的粤语拼音小组， 一年多之后，制定出“香港语言学学会粤语拼音方案”。这个方案揉台了各家之& ，在拼 法上参考了国际音标、汉语拼音和习惯拼法，同时为了方便大量的电脑文书_ _ r = 作，只采用基 本的拉丁字母( 没有附加符号) 和数字标调法j 。因此，本文也将根据香港语言学学会的 l s h k 粤语拼音方案具体阐述粤语的语音系统。 2 i 1 声母表 表2 1 粤语声母袭及例字 唇音b ( 巴)p ( 怕)m ( 妈)f ( 花) 舌尖音d ( 打)t ( 他)n ( 那)l ( 啦) 舌面前音z ( 渣)c ( 叉)s ( 沙) j ( 也) 舌根音g ( 家)k ( 卡) n g ( 牙) 圆唇音 时( 瓜)k w ( 夸)w ( 华) 喉门音母( 零)h ( 虾) 嫣堂! 旦型兰技a 达学硕主学壁丝苎； 苎! 皇竺塑童竺塞 - 二o = _ _ _ _ _ _ - - - 。一一 一。 上表是在l s h k 声母表的基础上，按照发音机理和口腔舌部运动对1 9 个声母进行了雨分 类。粤语声母与普通话声母基本上发音相同或者发音相近。其中，唇音和舌尖音的8 个声母 和它们在普通话中的发音是完全一样的。 对于舌面前音，z 发音时舌尖靠齿背靠近舌尖的舌面向上牙床和硬腭前部靠拢，然后 稍微离开，让较弱的气流挤出产生摩擦，这个音既不是普通话的z 也不是普通话的j ，而是 介于两者之间，即舌头比z 又要后一点，比j 要前一点，z 管字大致与普通话的z 、z h 、j 对 应；c 发音时舌位与z 相同，但冲出的气流较强，形成“送气音”，像z 一样，c 是介于普通 话话c 与q 之间的一个音，c 管字大致与普通话c 、c h 、q 对应；s 发音时舌尖及靠近舌尖的 舌面向上牙床和硬腭前部靠近，之问形成一道窄缝，让气流从中挤出，s 姓介于普通话s 和 x 之间的一个音s 管字大致与普通话s 、s h 、x 对应。总体来说，z 、c 、s 和普通话的z 、c 、 s 差别不大，只是昕起来好像“尖”了一点。 舌根音有三个，g 发音时先让舌根顶住上颚后部，然后让较弱的气流突然冲出来，与普 通话发音相同，所管的宇与普通话g 、j 部分对应；k 发音口形与g 相同只是冲出的气流较 强，与普通话发音相同，所管的字与普通话的k 、q 、j 部分对应：n g 发音时舌跟项住上腭后 部，即与发g 时将同，但舌头保持不动，让气流从鼻腔流出，然后滑向韵母，普通话中没有 这个声母，但有以这个音为韵尾的韵母，其实它们舌位是相同的，发普通话韵母a n g 时，到 最后n g 那个鼻音就是这个音只不过在粤语中这个可以作声母，后面再与韵母相拼，n g 所 管的字与普通话“零声母”对应( 零声母指没有声母) y 、w 开头的音廿也算是“零声母”， 部分与n g 对应。 粤语中，还有三个圆唇音，g w 发音时舌位与g 相同，只是嘴唇圆拢，很像普通话的音 节g u ，但在粤语中它是作为声母使用，所管字与普通话声母为g 、介韵为u 的字对应：k w 发音时舌位时k 相同只是嘴唇圆拢，很像普通话的音节k u 。但在粤语中它是作为声母使 用，所管字与普通话声母和k 、介韵为u 的字对应：w 是半元音。发音时略带摩擦，网此， 是一个圆唇的半元音声母。 声母表中，h 发音时口微张开，舌跟放松稍向后。作呵气的样子，让气流从口中呼出， 这个音与普通话中的h 很相似，但又不相同，区别在于粤语的h 不必像普通话那样舌跟顶住 后腭产生摩擦发音时尽量放松，与英语中的h 相同，所以划为喉门音。h 所管的字与普通 话h 、x 部分对应【”i 。 值得注意的是，粤语中也有“零声母”。而且，粤语中零声母与声母n g 相混( 几个语气 助词，如啊、哦、唉等除外) ，因此，n g 声母的字也可以去掉声母，如安o n l 、我0 5 ，读零 声母的趋势在年轻人特别是香港的年轻人中尤为明显。 堡- 主里型堂垫查查堂堡主兰堡堡兰 塑! 童墨查童型塞 2 1 2 韵母表 表2 2 香港语言学学会韵母表 l p r i n c i p a l c o m p o u n d a aae1o0 ee ou y u 5f i n a l s v o w e l e n d i n g i n 1 1a ae10o eu y u 一一7 _ a a la le 10 1e o lu 1i 一6 ；2 1 a a ua ue u1 uo uu 一5 ： ：a 硼a f f le m1 mmm 一5 i 13 a a na n1 no ne o nu n y u n n 一7 t l a a n ga n ge n g1 n go n go e n gu n gn gn g 一8 ； ! a a pa pe pl pp 一4 f 4 a a ta ti t0 te o tu t y u t t 一7 i l a a ka k e ki ko ko e ku kk 一7 c o u n t98787336325 6 粤语的韵母系统中，主元音一共有9 个，如图中第一行所示，除a 、e o 之外都可以单独 成韵一般作为复合韵母的主要发音部分成为韵腹。其中，a a 、o 、e 、o e 属于二p 低和低 元音，发音时喉部肌肉较为紧张，声音的清晰度较高音程较长；a 、u 、i 、e o 属于 高和 高元音。发音时喉部肌肉紧张度较弱，音色较为模糊，音程也相对较短。其代码字如下： 表2 3粤语韵腹( n u c l e i ) 表和字例 la a ( 沙)e ( 些)0 ( 苏)o e ( 锯) li ( 诗)u ( 夫)y u ( 书) ia ( 新)e o ( 询) 韵尾辅音共有6 个( p 、t 、k 、m 、r l 、n g ) ，韵尾元音共有2 个( i 、u ) ，如果加上低 元音收尾的音节( 用巾表示，一般称为“开尾”) 粤语的韵尾( c o d a s ) 共有9 个，如表 24 所示。 9 燮里型堂垫查查兰堡主兰垡堡兰 塑! ：! ! ! 塑童! ! 翌 表2 4粤语韵尾( c o d a s ) 表和字例 lp ( 湿) t ( 失) k ( 塞) im o 心) n ( 新)n g ( 生) li ( 西需) u ( 收) 中( ) 其中，以p 、t 、k 三个辅音字母结尾的韵母在语言学上称为“促声韵”。促声韵在普通 话中已经消失因此该组韵母也将成为粤语与普通话的主要区别之一。 以m 为韵尾的音有5 个，这组韵母的难点就在于双唇鼻音m 这个韵尾在古代汉语中是 存在m 韵尾的，但在现代普通话中，m 韵尾已经归并到n 中，因此，在粤语中就需要我们分 辨哪些字是n 韵尾，哪些字是i n 韵尾。r l l 韵发音时的关键是到最后耍把嘴闭起来。 另外，m 和n g 两个鼻音，也是两个很特殊的韵母称为自成音节鼻音韵母。在粤语中m 这个音节只有一个字“唔”( m 4 不) ，但它非常常用；n g 这个音节的字也较少，与普通话 音节w u 部分对应，如：误n 9 6 午n 9 5 吴r i 9 4 五n 9 5 伍n 9 5 。 2 1 ，3 声调表 粤语声调与普通话差别较大，在粤语中共有九个声调，比普通话翻一翻还不止，有的声 调差别也比较小，而我们普通话中的四声差别比较明显，所以对粤语声调的掌握是我们粤语 语音合成系统的一个重大难点。 本文中，将采用著名语言学家赵元任先生发明的一种声调描述方法五度音高描述法 来描述粤语声调。五度音高描述法把一个人说话时的音高分为五级，从低到高分别用1 、2 、 3 、4 、5 表示。这样，粤语的9 个声调中6 个是舒声调( n o n e n t e r i n gt o n e 非入声) ，3 个是促声调( e n t e r i n gt o n e 入声) ，分别表示成，这样粤语九个声调可以表示为如表2 5 和图2 1 所示： 表2 5 粤语声调表 舒声调l非入声)促声调( 入声) 调类 阴平阴上阴去阳平阳上阳去阴入中入刚入 调值5 53 5 3 32 11 32 25 53 32 2 思史试时 市士式 锡食 例字 ( s i l )( s i 2 )( s i 3 )( s i 4 )( s i 5 )( s i 6 )( s i t )( s i 8 )( s i 9 ) 速记法九 四零五七八十 1 0 堕童璺型