语音作为语言的声音表现形式,是人类交流信息最自然、最有效、最方便的手段。人类的语音中不仅包含了语言学信息,同时也包含了人们的感情和情绪等非言语信息。因此,富有表现力的语音合成也日益成为语音合成研究领域的一个热点,兼具理论意义和应用价值。本文录制了中性和10种情感语音数据,采用PAD三维情感模型进行了表现力标注,使用TBL算法实现了韵律结构的预测,利用五度字调模型对音节的基频曲线建模,在此基础上,采用广义回归神经网络(GRNN)建立了中性语音到其它情感语音转换的韵律预测模型,实现了由中性语音向情感语音的转换。论文的主要创新点和工作如下:1.提出了简化的PAD量表,用来标注语音的表现力。实验结果表明,对语音表现力进行标注与评测时,简化的PAD量表能够节省标注时间,提高标注结果的一致性。2.提出了一种新的韵律结构预测特征。根据语法结构和韵律短语之间的关系,将语法树的高度作为预测特征,利用TBL算法实现了韵律短语的预测。3.建立了情感语音音节的五度字调模型。对每种情感语音的音节,利用多项式回归获得五度字调模型参数,对比分析了中性语音和情感语音的语音差别。4.提出了一种基于广义回归神经网络(GRNN)的表现力语音声学特征的建模方法,实现了中性语音到情感语音的转换。该建模方法利用情感语音的情感标注PAD值和语境参数作为输入参数,以情感语音的声学特征作为输出参数。建立的模型能够根据文本的语境参数和情感标注PAD值预测情感语音的声学特征,利用STRAIGHT算法修改中性语音的声学特征,从而获得转换的情感语音。情感主观平均评分(EMOS)实验结果表明,利用这种方法变换出的10种情感语音,其平均EMOS得分为4.0,能够表现出复杂的情感。