基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
提出了2种方法实现了基于HMM的语音合成系统的模型压缩.首先通过基于地址的模型压缩进行合理的内存管理,删除冗余信息.然后通过降低语音谱参数的维数,在尽量不损失语音质量的条件下压缩模型数据.试验表明,通过以上2种方法,模型大小从293 Mbyte压缩到6.98 Mbyte,压缩幅度达到97.6%.同时,内存消耗及处理时间也能满足实时嵌入式应用的要求,主观评价显示合成的语音质量较高.
推荐文章
基于HMM模型的语音识别系统的研究
语音识别
HMM算法
Matlab
孤立词
连接词
改进的HMM系统在英语语音合成中的研究
语音信号处理
HMM
可训练语音合成
英语合成
基于HMM/ANN混合模型的带噪语音识别
语音识别
小波调制尺度
隐马尔可夫/自组织神经网络
HMM在语音识别系统中的应用
隐马尔科夫模型
语音识别
动态时间伸缩技术
人工神经网络
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于HMM的语音合成系统的模型压缩
来源期刊 电声技术 学科 工学
关键词 基于HMM的语音合成 大语音库 模型压缩 嵌入式应用
年,卷(期) 2010,(7) 所属期刊栏目
研究方向 页码范围 48-51
页数 分类号 TN912
字数 3636字 语种 中文
DOI 10.3969/j.issn.1002-8684.2010.07.011
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 梁维谦 清华大学电子工程系 26 145 7.0 11.0
2 涂奇雄 清华大学电子工程系 1 3 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (10)
共引文献  (21)
参考文献  (7)
节点文献
引证文献  (3)
同被引文献  (1)
二级引证文献  (9)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(1)
  • 二级参考文献(0)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(1)
  • 二级参考文献(1)
2001(2)
  • 参考文献(1)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(2)
  • 参考文献(2)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(2)
  • 引证文献(1)
  • 二级引证文献(1)
2013(2)
  • 引证文献(0)
  • 二级引证文献(2)
2014(2)
  • 引证文献(1)
  • 二级引证文献(1)
2015(1)
  • 引证文献(0)
  • 二级引证文献(1)
2018(4)
  • 引证文献(0)
  • 二级引证文献(4)
研究主题发展历程
节点文献
基于HMM的语音合成
大语音库
模型压缩
嵌入式应用
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电声技术
月刊
1002-8684
11-2122/TN
大16开
北京市朝阳区酒仙桥北路乙7号
2-355
1977
chi
出版文献量(篇)
6327
总下载数(次)
24
总被引数(次)
16603
论文1v1指导