汉语语音视觉合成研究数据库CVSS1.0

• 作者: 张欣 杜利民 赵向阳 陈柯
• 来源期刊: 微计算机应用
• 学科: 工学
• 关键词: 视觉语音合成 数据库 语料 MPEG4
• 年，卷（期）: 2007,（3）
• 所属期刊栏目: 多媒体技术
• 页码范围: 260-265
• 页数: 6页
• 分类号: TN91
• 字数: 5014字
• 语种: 中文
• DOI: 10.3969/j.issn.2095-347X.2007.03.010

摘要

目前现有的双模态语音数据库多为外文,且绝大部分都是为语音识别或身份认证服务的.鉴于此,我们根据汉语语音的特点,建立了国内第一个较为完备的汉语语音视觉合成数据库CVSS1.0.它具有如下特点:包含136个单音节和265个连续发音语句的视频和音频数据,其语料规模超出目前同类数据库;语料是在汉语发音方式归类的基础上,依据汉字出现频度的高低选取,其中的独白语句涵盖了大部分的韵律结构,因此其反映的规律具有代表性;记录了脸部发音动作的三维运动信息;用绿点标出了部分MPEG4定义的脸部特征点,方便跟踪;可服务于多种视觉语音合成研究,有很高的通用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杜利民	中国科学院声学研究所	58	892	13.0	29.0
2	张欣	中国科学院声学研究所	53	384	10.0	18.0
3	赵向阳	中国科学院声学研究所	7	403	4.0	7.0
4	陈柯	中国科学院声学研究所	7	89	5.0	7.0