融合發(fā)音運(yùn)動(dòng)特征的統(tǒng)計(jì)參數(shù)語(yǔ)音合成技術(shù)研究.pdf

1、隨著時(shí)代的進(jìn)步，語(yǔ)音合成技術(shù)也日趨成熟。在幾種主流的語(yǔ)音合成技術(shù)中，統(tǒng)計(jì)參數(shù)語(yǔ)音合成(Statistical Parametric Speech Synthesis)擁有可自動(dòng)快速構(gòu)建、小型化靈活度高等優(yōu)點(diǎn)而被廣泛采用。而作為這個(gè)領(lǐng)域的一個(gè)新興的熱點(diǎn)方向，融合聲學(xué)參數(shù)與發(fā)音運(yùn)動(dòng)參數(shù)的建模與合成技術(shù)通過(guò)引入和語(yǔ)音產(chǎn)生機(jī)理更加緊密相關(guān)的發(fā)音運(yùn)動(dòng)參數(shù)，對(duì)原有的聲學(xué)模型結(jié)構(gòu)進(jìn)行改進(jìn)，實(shí)現(xiàn)了兩種參數(shù)的聯(lián)合建模與生成。本文對(duì)上述技術(shù)進(jìn)行了系統(tǒng)的介紹

2、，并為優(yōu)化發(fā)音運(yùn)動(dòng)參數(shù)的生成效果進(jìn)行了深入的研究。整篇文章的結(jié)構(gòu)安排如下：
　　 論文第一章概括地論述了本文的研究背景。先把幾十年來(lái)語(yǔ)音合成技術(shù)從無(wú)到有的發(fā)展情況進(jìn)行了介紹，再簡(jiǎn)要地分析了當(dāng)前幾種常見(jiàn)的語(yǔ)音合成方法。
　　 論文第二章介紹目前廣泛常用的可訓(xùn)練語(yǔ)音合成技術(shù)(Trainable TTS)的基本流程框架，以及在此基礎(chǔ)上形成的融合聲學(xué)參數(shù)與發(fā)音運(yùn)動(dòng)參數(shù)的建模與合成技術(shù)，為本文在此項(xiàng)技術(shù)上的改進(jìn)工作進(jìn)行鋪墊。

3、>　　 論文第三章主要介紹我們?yōu)榱藘?yōu)化融合聲學(xué)參數(shù)與發(fā)音運(yùn)動(dòng)參數(shù)的聯(lián)合建模與生成系統(tǒng)在合成發(fā)音運(yùn)動(dòng)參數(shù)方面的表現(xiàn)，而提出的一種基于最小生成誤差(Minimum Generation Error,MGE)準(zhǔn)則的聲學(xué)-發(fā)音運(yùn)動(dòng)參數(shù)聯(lián)合模型訓(xùn)練優(yōu)化方法。在該方法中，我們首先定義生成的發(fā)音運(yùn)動(dòng)參數(shù)與對(duì)應(yīng)的自然發(fā)音運(yùn)動(dòng)參數(shù)之間的歐氏距離為生成誤差，然后在最小化生成誤差的目標(biāo)下，采用梯度下降算法(GPD)同時(shí)對(duì)模型中發(fā)音運(yùn)動(dòng)參數(shù)的均值和方差以及聲

4、學(xué)參數(shù)的均值和方差4類(lèi)參數(shù)進(jìn)行優(yōu)化，以達(dá)到優(yōu)化發(fā)音運(yùn)動(dòng)參數(shù)合成效果的目的。實(shí)驗(yàn)證明，我們的優(yōu)化方法可以明顯提高合成的發(fā)音運(yùn)動(dòng)參數(shù)與自然參數(shù)的接近程度。
　　 論文第四章介紹了我們對(duì)于聲學(xué)參數(shù)與發(fā)音運(yùn)動(dòng)參數(shù)映射關(guān)系的一系列研究工作，這部分工作仍然基于融合聲學(xué)參數(shù)與發(fā)音運(yùn)動(dòng)參數(shù)的聯(lián)合建模與生成系統(tǒng)。我們首先對(duì)表征聲學(xué)參數(shù)與發(fā)音運(yùn)動(dòng)參數(shù)映射關(guān)系的轉(zhuǎn)換矩陣進(jìn)行了多方面的研究，包括對(duì)模型訓(xùn)練中轉(zhuǎn)換矩陣綁定類(lèi)數(shù)設(shè)置的優(yōu)化、直接基于MGE準(zhǔn)則