一种基于WaveNet的藏语语音合成方法

摘要：

针对Griffin-Lim声码器合成语音保真度低、人工合成痕迹明显的问题,提出了一种基于WaveNet神经网络声码器的藏语语音合成方法.方法基于藏文文本特征及藏语Mel频谱,运用WaveNet的相位恢复能力实现了藏语的语音合成.先将藏文文本经字符编码转换为相应词向量,并通过卷积运算和注意力权重赋值完成文本特征提取;利用非线性变换和线性投影预测Mel频谱;利用WaveNet声码器合成藏语语音波形.实验数据表明,相对于Griffin-Lim算法合成的语音,所提方法所合成的语音效果更好.

关键词：藏语语音合成、梅尔频谱、神经网络声码器

所属期刊栏目：40

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金;国家自然科学基金;青海省科技项目;藏文信息处理与机器翻译重点实验室

在线出版日期：2023-03-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：295-299,538