基于深度神经网络的语音驱动发音器官的运动合成
实现一种基于深度神经网络的语音驱动发音器官运动合成的方法,并应用于语音驱动虚拟说话人动画合成。通过深度神经网络(Deep neural networks, DNN)学习声学特征与发音器官位置信息之间的映射关系,系统根据输入的语音数据估计发音器官的运动轨迹,并将其体现在一个三维虚拟人上面。首先,在一系列参数下对比人工神经网络(Artificial neural network, ANN)和DNN 的实验结果,得到最优网络；其次,设置不同上下文声学特征长度并调整隐层单元数,获取最佳长度；最后,选取最优网络结构,由DNN输出的发音器官运动轨迹信息控制发音器官运动合成,实现虚拟人动画。实验证明,本文所实现的动画合成方法高效逼真。
深度神经网络、语音驱动、运动合成、虚拟说话人
42
TP3;TP1
成都市科技项目科技惠民技术研发项目2015-HM01-00050-SF;四川省动漫研究中心2015年度科研项目DM201504;西南交通大学2015年研究生创新实验实践项目YC201504109资助Supported by Science and Technology Program of Chengdu Science and Technology Benefit Project2015-HM01-00050-SF;2015 Annual Research Programs of Sichuan Animation Re-search CenterDM201504;2015 Graduate Innovative Ex-perimental Programs of Southwest Jiaotong UniversityYC201504109
2016-07-21（万方平台首次上网日期，不代表论文的发表时间）
共8页
923-930
