融合发音运动特的统计参数语音合成技术研究.pdfVIP

and ofChina ofScience University Technology formaster’S Adissertation degree Statistical on Research Integrating Synthesis Speech Features Articulatory Zhao Name：TianYi Author’S andInformation Signal Processing Speciality： Liu Dai Prof．Lirong Qingfeng Supervisor：Prof 10 November Time： 20m，20 Finished 的成 果。除已特别加以标注和致谢的地方外，论文中不包含任何他人已经发表或撰写 过的研究成果。与我一同工作的同志对本研究所做的贡献均已在论文中作了明确 的说明。 有 论 位 手 紧密相关的发音运动参数，对原有的声学模型结构进行改进，实现了两种参数的 联合建模与生成。本文对上述技术进行了系统的介绍，并为优化发音运动参数的 生成效果进行了深入的研究。整篇文章的结构安排如下： 论文第一章概括地论述了本文的研究背景。先把几十年来语音合成技术从无 到有的发展情况进行了介绍，再简要地分析了当前几种常见的语音合成方法。 论文第二章介绍目前广泛常用的可训练语音合成技术(TrainableTTS)的基本 流程框架，以及在此基础上形成的融合声学参数与发音运动参数的建模与合成技 术，为本文在此项技术上的改进工作进行铺垫。 论文第三章主要介绍我们为了优化融合声学参数与发音运动参数的联合建 模与生成系统在合成发音运动参数方面的表现，而提出的一种基于最小生成误差 Generation (Minimum ErroG MGE)准则的声学．发音运动参数联合模型训练优化 方法。在该方法中，我们首先定义生成的发音运动参数与对应的自然发音运动参 数之间的欧氏距离为生成误差，然后在最小化生成误差的目标下，采用梯度下降 算法(GPD)同时对模型中发音运动参数的均值和方差以及声学参数的均值和方 差4类参数进行优化，以达到优化发音运动参数合成效果的目的。实验证明，我 们的优化方法可以明显提高合成的发音运动参数与自然参数的接近程度。 论文第四章介绍了我们对于声学参数与发音运动参数映射关系的一系列研 究工作，这部分工作仍然基于融合声学参数与发音运动参数的联合建模与生成系 统。我们首先对表征声学参数与发音运动参数映射关系的转换矩阵进行了多方面 的研究，包括对模型训练中转换矩阵绑定类数设置的优化、直接基于MGE准则 对模型中的转换矩阵进行更新、以及通过对转换矩阵的优化研究发音运动参数各 维相