基于LMA声道模型的语声合成新方法

介绍一种基于LMA（LogMagnitudeApproximate）声道模型的语音合成新方法．采用这种方法，合成系统不但具有更好的合成音质，对韵律参数的调整能力也大大增强．合成实验表明，新的系统在自然度和可懂度上均比以前显著提高．文中首先介绍了LMA滤波器的基本原理和合成器的构成方案，然后详细讨论了用它对韵律参数进行调整的方法．最后，以一个较为成功的PSOLA合成系统KDTALK－1为对比，给出了系统性能的定量评价．

汉语儿童情感语声合成

情感语声合成技术对于人机交互具有重要的意义。面对儿童情感语声合成所需汉语语声数据资源缺乏以及模型训练时长较长等问题,该文提出利用迁移学习实现汉语儿童情感语声合成的方法。首先基于汉语语声数据库训练深度学习模型实现中文语声端到端合成模型,再使用高质量大样本的中文情感语料库完成情感语声合成模型,最后利用自行采样的小样本汉语儿童情感语料对模型进行迁移学习实现低资源的语声合成。客观实验结果中梅尔倒谱失真指标为4.91,主观听辨实验指标分别为3.61和4.17。通过实验对比表明,该文的方法在情感语声合成技术的应用上具有良好的性能表现,并且优于现有先进的低资源情感语声合成方法。

基于Transformer编码器的合成语声检测系统

自动说话人认证系统是一种常用的目标说话人身份认证方案,但它在合成语声的攻击下表现出脆弱性,合成语声检测系统试图解决这一问题。该文提出了一种基于Transformer编码器的合成语声检测方法,利用自注意力机制学习输入特征内部的长期依赖关系。合成语声检测问题并不关注句子的抽象语义特征,用参数量较小的模型也能得到较好的检测性能。该文分别测试了4种常用合成语声检测特征在Transformer编码器上的表现,在国际标准的ASVspoof2019挑战赛的逻辑攻击数据集上,基于线性频率倒谱系数特征和Transformer编码器的系统等错误率与串联检测代价函数分别为3.13%和0.0708,且模型参数量仅为0.082 M,在较小参数量下得到了较好的检测性能。

TSP5220语音合成系统

研究了语音合成芯片ＴＳＰ５２２０的合成原理及使用方法，设计并实现了由ＩＢＭ／ＰＣ机及ＴＳＰ５２２０组成的语音合成系统。该系统合成的语音具有较好的可懂性和自然度，且速率仅为１～１．７ｋｂ／ｓ，与６４ｋｂ／ｓＰＣＭ相比较。

语音信号处理技术

语音信号处理用以实现人-人、人-机器和机器-人的通信,是现代通信领域的重要环节。本文详细介绍了其三个分支,即语音编码、语音合成、语音识别与理解的研究和应用现状及其发展。