术语表

  • Front end 前端
  • vocoder 声音合成机（声码器）
  • MFCC
  • 受限波尔曼兹机
  • bap band aperiodicity
  • ASR：Automatic Speech Recognition自动语音识别
  • AM：声学模型
  • LM：语言模型
  • HMM：Hiden Markov Model 输出序列用于描述语音的特征向量，状态序列表示相应的文字
  • HTS：HMM-based Speech Synthesis System语音合成工具包
  • HTK：Hidden Markov Model Toolkit 语音识别的工具包
  • 自编码器
  • SPTK：speech signal precessing toolkit
  • SPSS : 统计参数语音合成statistical parametric speech synthesis
  • pitch 音高：表示声音(基本)频率的高低
  • Timbre 音色
  • Zero Crossing Rate 过零率
  • Volume 音量
  • sil silence
  • syllable 音节
  • intonation 声调，语调，抑扬顿挫
  • POS part of speech
  • mgc
  • mcep Mel-Generalized Cepstral Reprfesentation
  • mcc mel cepstral coefficents
  • mfcc Mel Frequency Cepstral Coefficents
  • LSP: Line Spectral Pair线谱对参数
  • 多个音素的 命名规则
    • monophone 单音素
    • biphone diphone 两音素
    • triphone 三音素
    • quadphone 四音素
  • utterance 语音，发声
  • 英语韵律符号系统ToBI(Tone and Break Index)
  • CD-DNN-HMM（Context-Dependent DNN-HMM）
  • frontend :The part of a TTS system that transforms plain text into a linguistic representation is called a frontend
  • .wpa word to phonetic alphabet
  • .cmp Composed acoustic features
  • .scp system control program
  • .mlf master label file
  • .pam phonetic alphabets to model
  • .mgc mel generalized cepstral feature
  • .lf0 log f0 a representation of pitch（音高） 音高用基频表示
  • .mgc
  • .utt .utt files are the linguistic representation of the text that Festival outputs（full context training labels)
  • .cfg
  • initial && final 声母和韵母

缩略语表(摘自文献[5])

  • AM Acoustic Model，声学模型
  • ACR Absolute Category Rating，绝对等级评定
  • ASR Automatic Speech Recognition，自动语音识别
  • CART Classification and Regression Tree，分类回归树
  • CCR Comparison Category Rating，比较等级评定
  • CFHMM Continuous F0，连续基频模型
  • CMLLR Constrained Maximum Likelihood Linear Regression，受限最大似然线性回归
  • CMOS Comparison Mean Opinion Score，比较平均意见分
  • CORC Correlation Coefficient，相关系数
  • CR Command-Response，命令响应
  • CSMAPLR Constrained Structural Maximum A Posterior Linear Regression，受限结构化最大后验概率线性回归
  • DBN Dynamic Bayesian Network，动态贝叶斯网络
  • DCR Degradation Category Rating，损伤等级评定
  • DCT Discrete Cosine Transform，离散余弦变换
  • DMOS Degradation Mean Opinion Score，损伤平均意见分
  • ED Emotion Dependent，特定情感
  • EM Expectation Maximization，期望最大化
  • F0 Fundamental Frequency，基音频率
  • GMM Gaussian Mixture Model，高斯混合模型
  • GTD Global Tied Distribution，全局绑定分布
  • HMM Hidden Markov Model，隐马尔科夫模型
  • HNR Harmony Noise Ratio，谐波噪声比
  • HSS HMM-based Speech Synthesis，基于HMM的语音合成
  • HSMM Hidden Semi-Markov Model，隐半马尔科夫模型
  • HTK HMM Tool Kit，HMM工具包
  • HTS HMM-based Speech Synthesis System，基于HMM的语音合成系统
  • LPC Linear Prediction Coefficient，线性预测系数
  • MAP Maximum A Posterior，最大后验概率
  • MCD Mel-Cepstral Distortion，倒谱系数失真
  • MDL Minimum Description Length，最小描述长度
  • MDS Multi-Dimensional Scaling，多维标度
  • MGCC Mel-Generalized Cepstral Coefficient，梅尔广义倒谱系数
  • MLI Maximum Likelihood Increase，最大似然增量
  • MLSA Mel Log Spectral Approximation，梅尔对数谱近似
  • MLLR Maximum Likelihood Linear Regression，最大似然线性回归
  • MLPG Maximum Likelihood Parameter Generation，最大似然参数生成
  • MOS Mean Opinion Score，平均意见分
  • MSD Multi-Space Distribution，多空间分布
  • PiTAR Pitch Target Realisation，基频目标实现
  • PM Prosodic Model，韵律模型
  • RMSE Root-Mean-Square-Error，根均方误差
  • SA Speaker Adaptation，说话人自适应
  • SI Speaker Independent，说话人无关
  • SMAP Structural Maximum A Posterior，结构化最大后验概率
  • SMAPLR Structural Maximum A Posterior Linear Regression，结构化最大后验概率线性回归
  • SPTK Speech Processing Tool Kit，语音处理工具包
  • SSM Supra-Segmental Model，超音段模型
  • SSML Speech Synthesis Markup Language，语音合成标记语言
  • TA Target Approximation，目标逼近
  • ToBI Tone and Break Index，调式与停顿标记
  • TTS Text-To-Speech，文语转换
  • VC Voice Conversion，声音转换
  • VFS Vector Field Smoothing，矢量场平滑
  • VPR Voice Print Recognition，声纹识别
  • VTLN Vocal Tract Length Normalization，声道长度规整