面向大语料库的语音合成方法研究

针对几百小时粗标注大语料库,提出一种新颖的语音合成系统构建方法。首先,借助于语音识别、文本对齐和句法分析等技术实现大语料库的自动筛选与标注。然后,为了有效解决大语料库声学模型训练中存在的内存空间以及计算时间开销过大等问题,优化了传统的训练流程,在不损失声学模型准确性的前提下,显著提高了模型的训练速度。主观实验表明,与具有精标注的小语料库相比,引入粗标注的大语料库可以带来0.5分左右的MOS提升。

基于统计建模的可训练单元挑选语音合成方法

提出了一种基于统计建模的可训练单元挑选语音合成方法.在模型训练阶段,提取训练语料库中的多种声学参数并训练各自对应的统计模型;在合成阶段,基于统计模型的最大似然准则实现语料库中最优备选单元序列的挑选;最终通过波形拼接输出合成语音.实验结果表明,该方法可以有效改善传统单元挑选与波形拼接语音合成方法在系统构建自动化程度低、对专家知识依赖性强、以及合成效果稳定性不足等方面的问题.此外,针对单元挑选语音合成的特点,提出了一种新的最小单元挑选错误准则,采用区分性模型训练方法进行模型参数的更新,实现了系统构建的全自动化,并进一步提高了合成语音的自然度.