基于听感量化编码的神经网络语音合成方法研究

• 作者: 刘利娟 刘庆峰 江源 胡亚军
• 来源期刊: 电子科技
• 学科: 工学
• 关键词: 语音合成 听感量化编码 神经网络 少数据量合成 跨语种合成 情感控制
• 年，卷（期）: 2019,（9）
• 页码范围: 76-79
• 页数: 4页
• 分类号: TN912.33
• 字数: 3865字
• 语种: 中文
• DOI: 10.16180/j.cnki.issn1007-7820.2019.09.016

摘要

针对当前神经网络声学建模中数据混用困难的问题,文中提出了一种基于听感量化编码的神经网络语音合成方法.通过设计听感量化编码模型学习海量语音在音色、语种、情感上的不同差异表征,构建统一的多人数据混合训练的神经网络声学模型.在统一的听感量化编码声学模型内通过数据共享和迁移学习,可以显著降低合成系统搭建的数据量要求,并实现对合成语音的音色、语种、情感等属性的有效控制.提升了神经网络语音合成的质量和灵活性,一小时数据构建语音合成系统自然度可达到4.0MOS分,达到并超过普通说话人水平.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘庆峰		2	1	1.0	1.0
2	江源		1	0	0.0	0.0
3	胡亚军		1	0	0.0	0.0
4	刘利娟		1	0	0.0	0.0