基于深度神经网络的语音驱动发音器官的运动合成

• 作者: 侯进 唐郅
• 来源期刊: 自动化学报
• 关键词: 深度神经网络 语音驱动 运动合成 虚拟说话人
• 年，卷（期）: 2016,（6）
• 页码范围: 923-930
• 页数: 8页
• 字数: 5525字
• 语种: 中文
• DOI: 10.16383/j.aas.2016.c150726

摘要

实现一种基于深度神经网络的语音驱动发音器官运动合成的方法,并应用于语音驱动虚拟说话人动画合成。通过深度神经网络(Deep neural networks, DNN)学习声学特征与发音器官位置信息之间的映射关系,系统根据输入的语音数据估计发音器官的运动轨迹,并将其体现在一个三维虚拟人上面。首先,在一系列参数下对比人工神经网络(Artificial neural network, ANN)和DNN 的实验结果,得到最优网络；其次,设置不同上下文声学特征长度并调整隐层单元数,获取最佳长度；最后,选取最优网络结构,由DNN输出的发音器官运动轨迹信息控制发音器官运动合成,实现虚拟人动画。实验证明,本文所实现的动画合成方法高效逼真。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	侯进	西南交通大学信息科学与技术学院	58	375	9.0	17.0
2	唐郅	西南交通大学信息科学与技术学院	1	7	1.0	1.0