面向中文广告文本的语音合成技术研究

发布时间：2020-06-12 08:58

【摘要】：语音合成技术是指通过机器将自然文本转换为语音信号的技术,是人工智能技术的重要组成部分之一,在人机交互中占据不可或缺的地位。语音合成技术发展至今,已经形成了基于波形拼接合成和统计参数合成两大主流方法。前者通过分析文本韵律特征,从语音库中挑选出候选的单元波形进行拼接,从而得到合成语音,这种方法合成的语音质量较高,但是需要建立对应的语音库,成本比较高,可移植性差。后者通过利用隐马尔科夫技术对文本和语音进行参数建模,预测合成语音的声学特征,并且通过声码器重建语音,但是这种方法比较依赖声码器的质量,而且合成的语音自然度不够。近年来,基于深度学习的语音合成技术成为当下语音合成领域的研究热点之一,并且逐渐展现出卓越的性能优势。基于以上的研究背景,本论文围绕基于深度学习方法的语音合成技术展开研究工作,探索高效的中文广告文本语音合成技术,并构建了对应的语音合成系统。该语音合成系统包含两个主要模块:文本到声学特征的预测模块和将声学特征转换为语音的声码器模块。在文本到声学特征预测模块研究中,论文以端到端的声学特征预测技术为研究基础,针对声学特征预测速度慢的问题,论文提出了将独立循环神经网络引入预测模块的方法,提高了声学特征的预测速度。同时,在基于端到端的声学特征预测技术研究中论文发现,基于端到端的声学特征预测技术虽然可以简化声学特征预测流程,但是最终合成出的声音比较单调,缺少韵律信息。针对这一问题,论文通过引进Lattice LSTM网络的方法,对文本的字词,韵律等信息进行融合,丰富了合成语音的细节。在声学特征到语音的转换研究中,论文探究了基于自回归深度生成网络的WaveNet模型。针对其预测速度慢的问题,论文引进了基于逆自回归流的并行WaveNet技术,使声码器可以实时的将声学特征转换为对应的语音。同时论文提出了基于说话人标识的多人语音合成技术,提高了模型训练效率,降低了模型对单人语料时长的依赖性。针对中文广告文本领域的语音合成,论文形成了完整的合成流程,搭建了面向中文广告文本的语音合成系统,可以根据广告文本合成清晰流畅的广告语音。
【图文】：

图 1-1 基于波形拼接方法在波形拼接合成算法提出之初[6]，由于计算机内存限制和音库数据的缺种拼接算法并没有优秀的合成效果。随着计算机内存的不断增大和音库数不断增多，，这种波形拼接算法逐渐大放异彩，并形成了基于大尺度单元拼小尺度单元拼接[8]两种主流的形式。

针对波形拼接方法的缺陷提出了基于统计参数的语音合成技术。这种方法利用机器学习的技术自动的学习训练声学模型，利用学习到的声学模型预测声学特征，最终利用声码器将声学特征转换为语音。在基于统计参数的语音合成技术研究中最成功，并且效果最好的是基于隐马尔科夫（HMM）[9]的统计参数语音合成方法[10]。其过程如图 1-2 所示。
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TN912.33

【相似文献】

相关期刊论文 前10条

1 牛其其日乐格;;蒙古语语音合成技术的研究[J];民营科技;2016年04期

2 刘豫军;夏聪;;语音合成技术在网络服务中的应用[J];网络安全技术与应用;2015年04期

3 马珊珊;汪剑超;;隐马氏过程在语音合成技术中的应用[J];电声技术;2012年S1期

4 畅新爱;;个性化语音合成技术走入寻常百姓家[J];家电科技;2011年06期

5 曾谁飞;王仁波;;语音合成技术在智能语音播报系统中的应用探析[J];电信科学;2010年03期

6 项剑锋;王艳红;朱江;李志明;;语音合成技术在机载产品上的应用[J];飞机设计;2008年01期

7 陈静;李薇;崔忠伟;刘霞;;语音合成技术的研究及其发展[J];中国科技信息;2007年14期

8 郭丹;魏爱民;;计算机语音合成技术及其应用[J];通化师范学院学报;2006年04期

9 乔英霞;崔凤玉;;语音合成技术在旅游业的应用[J];信息技术与信息化;2006年05期

10 ;嵌入式操作系统下的语音合成技术及应用[J];科技资讯;2004年01期

相关会议论文 前10条

1 沈晋苑;;语音合成技术的现状及发展前景[A];第一届学生计算语言学研讨会论文集[C];2002年

2 艾斯卡尔·艾木都拉;姑丽加玛丽·麦麦提艾力;;基于音素波形拼接的维吾尔语音合成技术研究[A];民族语言文字信息技术研究——第十一届全国民族语言文字信息学术研讨会论文集[C];2007年

3 孟和吉雅;白音门德;敖其尔;田会利;;蒙古文语音合成技术研究[A];民族语言文字信息技术研究——第十一届全国民族语言文字信息学术研讨会论文集[C];2007年

4 于鸿洋;杨红雨;朱维乐;;基于脉宽调制的语音合成技术研究[A];第三届全国人机语音通讯学术会议（NCMMSC1994）论文集[C];1994年

5 ;构筑技术创新平台,推动语音技术突破——中文语音合成技术研究进展及成果展示[A];中国中文信息学会第六次全国会员代表大会暨成立二十五周年学术会议中文信息处理重大成果汇报展资料汇编[C];2006年

6 徐俊;蔡莲红;吴志勇;;多语种语音合成平台的设计与实现[A];第一届建立和谐人机环境联合学术会议（HHME2005）论文集[C];2005年

7 吕林望;偠大举;林道发;;语音识别与语音合成在丝绸质量检验中的应用[A];第三届全国人机语音通讯学术会议（NCMMSC1994）论文集[C];1994年

8 张逸屏;黄竞亿;郭志忠;;中文标点符号对停顿韵律之分析与合成(论文类别:言语合成)[A];第六届全国现代语音学学术会议论文集（下）[C];2003年

9 杨博;达哇彭措;于洪志;;韵律控制技术及在藏语TTS中的应用研究[A];第十届全国少数民族语言文字信息处理学术研讨会论文集[C];2005年

10 朱耀庭;李霞;;基于TTS的WEB浏览器[A];计算机与教育——全国计算机辅助教育学会第十一届学术年会论文集[C];2003年

相关重要报纸文章 前10条

1 记者 爱民;语音合成技术我国达到国际领先水平[N];中国电子报;2001年

2 记者 周剑虹;有声邮件 接收方便[N];新华每日电讯;2001年

3 ;日立开发高音质中文语音合成技术[N];人民邮电;2008年

4 ;国内语音合成技术“叫板”IBM[N];中国经营报;2000年

5 本报记者 吴珊珊;语音合成技术（TTS）让文字开口说话[N];中国高新技术产业导报;2001年

6 本报记者 卜娜;天行听书：借HCI解听书App市场“死穴”[N];中国计算机报;2013年

7 ;企业当自强[N];中国计算机报;2000年

8 舒志军;IT产业的创新前景 先驱技术[N];国际商报;2001年

9 孙晓闻;社保12333语音应用技术方案[N];中国劳动保障报;2004年

10 李亚波;实现统一消息[N];中国计算机报;2001年

相关博士学位论文 前2条

1 吴义坚;基于隐马尔科夫模型的语音合成技术研究[D];中国科学技术大学;2006年

2 才让卓玛;基于混合基元的藏语语音合成技术研究[D];陕西师范大学;2016年

相关硕士学位论文 前10条

1 都格草;基于神经网络的藏语语音合成技术研究[D];青海师范大学;2019年

2 侯建康;面向中文广告文本的语音合成技术研究[D];哈尔滨工业大学;2018年

3 张斌;嵌入式语音合成技术研究[D];北方工业大学;2012年

4 黄华;嵌入式语音合成技术的研究[D];重庆大学;2011年

5 杜朝阳;语音合成技术及手机语音词典的研究[D];山东大学;2005年

6 史水平;汉语语音合成技术的研究[D];广西大学;2004年

7 萨其容贵;蒙古语语音合成技术的研究[D];内蒙古大学;2005年

8 张向丰;锅炉的单片机控制系统[D];山东大学;2006年

9 侯亭武;基于语料库的中文语音合成技术研究[D];华中科技大学;2015年

10 肖佩岚;基于嵌入式平台的语音合成技术的研究与实现[D];北京交通大学;2011年

本文编号：2709302