基于歌声表情分析之国语歌声合成MandarinSingingVoiceSynthesis.PDFVIP

基於歌聲表情分析之國語歌聲合成 Mandarin Singing Voice Synthesis Based on Expression Parameter Analyzing 古鴻炎 王如江 Hung-Yan Gu Ru-Jiang Wang 台灣科技大學資訊工程系 {guhy, M9315044}@mail.ntust.edu.tw 摘要 整成目標音符所需要的條件 。由於 抖音是歌聲表情 的重要的影響因素 ，所以 抖音的 分析和合成 ，可以 本論 文一開始先探討、歸納和歌聲表情有關的 找到不少的文獻[5, 6, 7] 。另外 ，國內雖然可以找到 聲學參數 ，接著錄製真人所唱的歌聲信號 ，以作表 一些關於歌聲合成的研究文獻[8, 9, 10] ，但是歌聲 情參數的分析 。為了應用所分析出的參數值 ，來合 表情的聲學因素 並不是他們研究的重點 。 成出具有表情的國語歌聲，我們對先前研究的HNM 雖然作曲者的表情指令 例如樂譜上的漸強( 、漸 (Harmonic plus Noise Model聲音信號合成系統作) 弱符號 )及歌曲的結構 ，也會影響到演唱者的表情 、 改進 ，以讓此系統可接受表情參數的控制。使用所 感情的表達 ，但如何從整首歌曲的角度來作分析 ， 合成出的歌聲去作聽測實驗 ，結果顯示表情參數的 並不是本論文所要考慮的 ，所以我們將範圍縮小到 確可用以改善合成歌聲的品質 ，並且所合成的歌聲 各個音符 (note) ，音符是歌曲最基本的結構單位 。在 已可相當程度地模仿出真人歌聲的表情 。 閱讀前人的研究 文獻，以及自行觀察所錄製的歌聲 關鍵詞 ：歌聲合成 、歌聲 表情、諧波加雜音模型 。 信號和MIDI樂譜後 ，我們歸納出如下的歌聲表情之 決定因素: (a)音符的音高曲線 (pitch-contour), (b)音 符的波形包絡(envelope), (c)音 素的時 長(duration)分 1.前言 配 , (d音符的時間落點) , (e)音符演唱的飽滿程度 , (f) 音符的響度 , (g音符的強烈程度) 。 我們過去已有一些國語歌聲合成的研究 經驗 ， 音高曲線 : 音高曲線對於音符的表情有很大的 例如以弦波模型 (sinusoidal model)分析國語音節有 影響 ，歌唱技巧如轉音 (glissando)和抖音(vibrato) ， 聲部分 (voiced part)的諧波參數 ，再據以作歌聲音節 它們的聲學上的主要作用 ，就是表現於音高曲線形 的合 成[1] 。由於弦波模型所合成的歌聲信號 ，高頻 狀的變化 。許多人作抖音的分析研究 ，也是從音高 部分缺少雜音 (noise) ，音質顯得不自然 ，因此我們 曲線著手 ，據以分析出抖音的頻率、範圍 (extent) 、 後來改變以諧波加噪音模型 (harmonic plus noise 音調 (Intonation) 等參數[5, 6, 7] 。 model, HNM)為基礎 ，來研究國語歌聲的合成[2] ， 波形包絡: 這裡指的是歌聲音符國語音節( )有 在信號的自然度和清晰度上已 獲得大幅度的改進。 聲部分波形外觀的曲線 。波形包絡的曲線形狀一般 然而在先前的研究裡 ，我們尚未 去作情感表達 來說會受到音節結構的影響，國語的音節結構整體 有關的信號合成的處理 ，因此所合成出的歌聲信