一文讀懂語音合成技術原理
小時候看《名偵探柯南》，除了每集精彩的推理之外，柯南的「變聲蝴蝶結」也成為了許多人夢寐以求的動漫同款，那是很多人第一次見識到聲音的魅力。
如今，我們再回頭來看柯南的「變聲蝴蝶結」，已經不僅僅是被表面的魔力所著迷，而是逐漸開始明白這背後所隱藏的語音技術，這也是我們今天要講的重點內容——語音合成技術原理。
一、語音的三大關鍵成分
在講語音合成之前，我們首先要弄清楚一個問題：什麼是語音，語音是由哪些成分構成的？
語音就是人說的話，它的記錄形式是一段一段的波形。
語音有三大關鍵成分：信息音色和韻律。如果能將語音的成分充分自由地拆解和組合，將是對語音的巨大解放，未來將有無限的想像發展空間。
下面我們將它做一個拆解，先來看下語音信息，語音信息是指說話人說了什麼內容。
語音作為信息的載體，是最自然便捷的溝通手段，在信息播報、人機交互上有著大量剛性需求，現在如此未來更是如此。
語音的音色是指這段話是誰說的，有一句俗語：未見其人先聞其聲。
有時候說什麼並不重要，更重要的是誰在說。
韻律就是我們說話的方式，說話時我們聲音的高低、快慢等。
借用某位非著名相聲演員的話來說：人人都會說話，為什麼你還要花錢來聽我說話？
自然是因為你說的好，那【說得好】到底是一種什麼概念呢？
舉個例子，每次看《動物世界》除了被節目裏各種新奇的動物吸引之外，還會被趙忠祥老師富有磁性的聲音所吸引。
這就是他比旁人【說得好】，聲音的慣性和魅力是無窮的，當某個熟悉的聲音響起，人們就會自然而然的沉浸其中。
在未來，優質的聲音IP將會作為重要的內容生產能力，受到重視和追捧，將語音從信息獲取升級為藝術享受。
二、語音合成的發展歷史
縱觀語音合成技術的歷史長河，這項技術大概經過了6個階段的發展。
1、起源階段
語音合成技術的起源可以追溯到18到19世紀，當時是用機械裝置來模擬人的發聲，那時候科學家們會製作出一些精巧的氣囊和風箱去搭建發聲的系統，可以合成出一些母音和單音。
2、電子合成器階段
20世紀初，出現了用電子合成器來模擬人發聲的技術，最具代表性的就是貝爾實驗室的Dudley，他在1939年推出了名為「VODER」的電子發聲器，使用電子器件來模擬聲音的諧振。
3、共振峯合成器階段
到了20世紀80年代，隨著集成電路技術的發展，出現了比較複雜的組合型的電子發生器，比較代表性的KLATT在1980年發布的串/並聯混合共振峯合成器。
4、單元挑選拼接合成階段
到了20世紀80、90年代隨著PSOLA方法的提出和計算機能力的發展，單元挑選和波形拼接技術逐漸走向成熟，90年代末劉慶峯博士提出聽感量化思想，首次將中文語音合成技術做到了實用化地步。
5、基於HMM的參數合成階段
在20世紀末期，還有另外一種基於HMM的參數合成技術出現。
6、基於深度學習的語音合成
隨著AI技術不斷發展，基於深度學習的語音合成技術逐漸被人們所知道，DNN/CNN/RNN等各種神經網路構型都可以用來做語音合成系統的訓練，深度學習的演算法可以更好地模擬人聲變化規律。
三、語音合成核心技術原理
1、單元挑選波形拼接技術
語音合成技術的本質是將文本信息轉化成語音信息，在瞭解這項技術之前，我們先來看一個案例，現在有一句待合成文本：外交部評日本首相國會演說。
如果我們要將這句文本信息變成語音信息，首先需要在語音合成資料庫裡面挑選出這句文本信息所包含的元素，比如：外交部、日本等。
挑選完元素之後將這些元素按照一定的順序組合排列，最後再輸出我們想要合成的那句語音信息。
以上這些就是一個簡單的單元挑選波形拼接技術實現過程。
單元挑選和波形拼接的關鍵技術點有2點：語料庫設計和標註；目標代價和連接代價計算
2、基於HMM的參數語音合成
基於HMM的參數語音合成技術相比於單元挑選波形拼接技術，在操作層面上會更加流程化。
我們來看下基於HMM的訓練流程圖，主要包括訓練流程和合成流程。
將錄製好的音庫，提取出相應的語音參數，然後將標註數據和聲學提取數據一同構建HMM的訓練模型，通過上下文屬性和問題集的決策樹模型，構建訓練後的HMM模型，這就是訓練流程。
合成流程中我們通過對輸入文本的分析，來進行上下文相關HMM訓練的序列決策，再將生成後的語音送入參數合成器中，最後輸出合成之後的語音。
基於HMM的參數語音合成的關鍵技術有高質量語音聲碼器，以及基於上下文的決策樹模型。
3、基於深度學習的語音合成
相對於傳統的HMM模型，深度學習演算法模型能力更強，數據利用率更高，效果優勢更為明顯。Deepmind提出波形點建模方法，在整個語音合成技術發展史上都是具有里程碑意義的。
編輯 | AI搬運工
來源 | 訊飛AI大學微信公眾號
原文地址：一文讀懂語音合成技術原理
聲明：本文經授權後轉載，其他知友如需轉載，請聯繫訊飛AI大學微信公眾號授權。
推薦閱讀：
