汉语语音合成系统可用性研讨.pdfVIP

汉语语音合成系统可用性研究 许洁萍1 吕士楠2闫俐1 (叶1国人民大学信息学院计算机系 2(中国科学院声学研究所，北京，100080) 摘要：目前，语音合戍技术已经从人类的“理想”、“构建和谐社会”必不可少的手段，具体 化为社会生活中方方面面的应用。对于汉语语音合成技术来说，是不是已经接近或逸到了应用 目标，是本文探讨的主题。支中简要报告了2004年在中国人民大学信息学院进行的汉语语音 合成系统的评估实验结果，以此分析了汉语语音合成系统的可用性。评估采用主观印象评测 (MOS)方法，选择了当前有代表性的五个汉语语音合成系统；从模块诊断评估和整体自然度 评估评两个大的方面，测试了音节缺陷度、句子语义理解缺陷度及语句自然度测试和短文自然 度四个方面。评估结果表明：目前的汉语语音合成系统虽然在儿化音等语音现象上还存在一定 的问题，但在句子层面上都有能力躲避常见的语义陷阱；由于合成系统都是采用的拼接合成技 术，合成系统的自然度大体都达到4分上下的水平，初步速到实用要求，都可以进入语音产品 市场． J；汉语语音合成系统；拼接合成技术；模块诊断评估整体自 关键词：主观印象评测(MOS 然度 1．引言 创造一个能像人一样会讲话的机器，是人类的千年梦想。据《朝野佥载》记载，我国 唐朝匠做大将杨务廉就制作了一个能说“布施”的木和尚”J。目前，随着计算机技术和言 语技术的发展，机器不仅能说预先设置好的，像“布施”一类的有限闭汇，而且可以做到 无限词汇的语音合成。合成器的语音输出，不能说完全和真人一样，但有时确实可以达到 以假乱真的程度。因此我们_|j】以说，我们实现了人类的千年梦想。 开发人造言语(合成语音)的目的是为了让每个公民，人人都有平等享用信息的权 利[10]，建立信息时代的和谐社会。这是因为，信息已经如空气、粮食和水一样，成为人们 生活的必需品。但目前人们80％以上的信息是通过视觉获取的，其中大部分又是文字的， 对于一个和谐的社会，我们必须考虑有视觉障碍和数量众多的不识字的人群对信息的需求， 信息通道应该是平行的多轨制，即至少有文字的地方同时有语音。文语转换系统TTS(text tosDeechsvstem)就是为克服人类社会中，公民在智力和体力上的著异造成的享用信息的 不平等现象而设计的。 计算机在现代信息社会中扮演越来越重要的角色，即使你的知识再丰富，学问再大， 如果不会使用计算机，也会丧失平等地享用信息的权利。为了使人与讨‘算机的交互能和人 与人的交互一样方便、高效， 种不用文字的语音输入，输出计算机”怔在开发和完善巾， net 蝾系作者：许沽萍．E-maiL：Jieping1u@263 430 第_部分第一届牟国人机交互学术会议 届时人们将不需要学习使用计算机的技能，就能用最简单的人机界面：语音+图形(眼睛)， 与计算机进行交互，获取信息。 北京将承办2008年奥运会，提出了“面向奥运的多语种信息服务网络系统”建设计 划…1，其目标也是通过语音对话，机器翻译等技术，利用已有设各：电话、手机等，达到 克服语言障碍，实现顺畅的信息交流的目的。 由此看来，语音合成技术的研究的意义，已经从实现人类的“理想”和“构建和谐社 会”必不可少的手段，具体化为社会生活中方方面面的应用。对于汉语语音合成技术来说， 是不是已经接近或达到了应用目标，合成系统还存在什么问题，是开发者和使用者共同关 心的问题，也是本文探讨的主题，是语音合成系统的评估任务。 对语音合成系统的评估可以概括为几方面的任务，如对不同系统或算法进行统一评 价，排出位次，或对各系统或算法进行诊断，指出其问题所在；通过MOS评测，对已有 合成系统在清晰度、可懂度和自然度方面进行应用评价也是语音合成系统评测的内容之～。 应用评价既需要对系统的性能进行评价，有时也需要对系统应用的可接受性，以及人机界 面的友好程度进行应用现场的评价。 随着汉语语音合成技术的发展，对汉语合成语音质量评估的研究已取得了一定的成 果“’￡6710本文借鉴2004年在中国人民大学信息学院完成的汉语语音合成系统的评估实验 结果【”，通过对目前已有汉语语音合成系统在较小语音