基于深度学习的语音合成与转换技术综述

• 作者: 潘孝勤 芦天亮 杜彦辉 仝鑫
• 来源期刊: 计算机科学
• 关键词: 语音信息处理 语音合成 语音转换 深度学习 生成对抗网络
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 人工智能|Artificial Intelligence
• 页码范围: 200-208
• 页数: 9页
• 分类号: TP301|TP18
• 语种: 中文
• DOI: 10.11896/jsjkx.200500148

摘要

语音信息处理技术在深度学习的推动下发展迅速,其中语音合成和转换技术相结合能实现实时高保真的指定对象、内容的语音输出,在人机交互、泛娱乐等领域具有广泛的应用前景.文中旨在对基于深度学习的语音合成与转换技术进行综述.首先,简要回顾了语音合成和转换技术的发展历程;接着,列举了在语音合成、转换领域的常见公开数据集以便研究者开展相关探索;然后,讨论了从文本到语音模型,包括在风格、韵律、速度等方面进行改进的经典和前沿的模型、算法,并分别对比评述了其效果与发展潜力;进一步针对语音转换进行综述,归纳总结了转换方法与优化思路;最后,总结了语音合成与转换的应用与挑战,并根据其在模型、应用和规范方面所面临的问题,展望了未来在模型压缩、少样本学习和伪造检测方面的发展方向.