汉语文语转换中语义与表现力联合建模

语音是人机交互最为方便直接的方式。有表现力的文语转换技术（Expressive Text-to-Speech Synthesis， E-TTS），除了能让计算机"说出"人类语言外，试图进一步解决言语表达中的"What do you mean by X?"的问题，能够让计算机"绘声绘色"地与人交流。对于E-TTS来说，需要解决两个基本问题：第一、如何获取说话者表达的信息中的表现力；第二、如何建立表现力语音的模型，实现有表现力的语音合成。本研究旨在将文本信息的表现力与表现力语音相结合，研究文语转换系统中文本、语音以及人们表达的情感、态度、意向、说话风格之间的关系，建立文本的语义概念（Semantic Prior）与表现力的联合模型，实现口语对话系统中的E-TTS系统，根据输入文本合成有表现力的语音，进一步提高合成语音的自然度。其研究方法和结果将会对高表现力语音合成有重要的理论意义和应用价值。