文本驅動的3D可視語音合成技術研究.pdf

1、本文主要針對文本驅動的3D唇部可視語音合成技術進行研究。首先對三維唇部特征進行分析，并利用三維動態(tài)捕捉系統(tǒng)完成了特征點確定及特征點運動數(shù)據(jù)的采集工作;在可視語音合成方面采用圖像拼接序列法，并融合了關鍵幀變形法中關鍵幀確定和提取的部分，并融合關鍵幀變形法，運用了關鍵幀變形法中對關鍵幀的確定和提取方法，將提取出的關鍵幀作為圖像拼接的基礎幀，用于圖像拼接序列中的過渡幀合成;在輸入文本分析方面采用了C++編程方法，利用目前已有的漢字-拼音庫，基

2、于漢語音素與可視音素即視素的歸類方法，將輸入文本轉換為對應拼音，再將拼音拆分為最小音素;對于文本驅動的方法，首先根據(jù)音素口型變化特征確定視素的分類，確定音素與對應三維口型的映射關系，利用這個映射建立拼音-口型的映射關系，再建立文本-口型的映射關系。
　　在上述研究的基礎上，通過輸入文本能夠得到對應三維口型，再通過圖像拼接方法，運用三維圖像的插值手法，使輸出的圖像序列能更真實地反映唇部運動狀態(tài)。軟件仿真表明，所研究的方法在一定程度上