作为机器智能的重要组成部分,语音合成技术有广泛的应用需求,而合成语音的自然度是影响推广应用的关键因素。本文以提高傣语语音合成自然度为目的,分别采用决策树、支持向量机等机器学习模型,探索提高韵律预测效果的途径和方法。论文的主要工作包括:1.论文先介绍了语音合成技术的背景,并说明了研究傣语语音合成的意义,然后简要地介绍了语音合成的各个模块,即文本分析模块、韵律处理模块和语音合成模块。在论文的第二章中,结合傣语的特点,分析它的韵律结构,将其分为韵律词、次韵律短语和主韵律短语三个层级,并对其中的主韵律短语(L3)进行预测。通过研究和对比两大类韵律结构预测方法,论文决定采用性能更好的基于统计模型的机器学习方法。2.针对傣语韵律的特点,论文分别采用决策树和支持向量机(SVM)模型来对傣语L3进行预测。详细地描述了决策树模型中C4.5和CART两种算法,并介绍了基于决策树的韵律结构预测方法。同时论文也详细地描述了 SVM算法,并介绍了该算法进行韵律结构预测的流程。3.论文为了增强用户的体验设计出一个韵律预测的平台,在该实验平台上分别测试出几个不同模型的预测效果,通过不同的算法模型我们可以得到一个直接的数据结果。结果显示,论文所使用的决策树和SVM模型能够有效地对傣语L3进行预测标注,可以满足提升傣语语音合成系统自然度的基本要求。4.论文对实验结果进行总结,指出在属性集和算法上仍待优化的几个部分,并对语音合成的韵律预测模块提出了一些建议和展望。