隨著個性化語音合成技術(shù)的日漸成熟和人機交互的多樣性發(fā)展,語音轉(zhuǎn)換技術(shù)一直受到國內(nèi)外研究者的關(guān)注。語音轉(zhuǎn)換技術(shù)是指在語音內(nèi)容不變的前提下,將源說話人的語音轉(zhuǎn)換成目標說話人語音的一種特殊語音合成技術(shù),可應(yīng)用在語音合成系統(tǒng)的后端,生成多樣的個性化語音合成效果。近年來,面向漢語、英語等主流語言的語音轉(zhuǎn)換技術(shù)已經(jīng)取得了很大的進展,但是面向蒙古語的語音轉(zhuǎn)換技術(shù)還沒有相關(guān)的研究成果。本文利用深度學習技術(shù)對蒙古語語音轉(zhuǎn)換技術(shù)中展開研究。首先,本文借鑒漢語、英語等主流語言的語音轉(zhuǎn)換技術(shù)的基本原理和模型架構(gòu),研究基于注意力機制的編碼器-解碼器（Encoder-Decoder）結(jié)構(gòu)的蒙古語語音轉(zhuǎn)換模型,實現(xiàn)了將源語音的聲學參數(shù)直接映射為目標語音聲學參數(shù)的端到端蒙古語語音轉(zhuǎn)換技術(shù)。為了驗證該模型的有效性,本文同時搭建了基于深度雙向長短期記憶網(wǎng)絡(luò)（DBLSTM）的蒙古語語音轉(zhuǎn)換模型,并進行了相應(yīng)的客觀評價和主觀評價。客觀評價表明基于編碼器-解碼器（Encoder-Decoder）結(jié)構(gòu)的蒙古語語音轉(zhuǎn)換模型可以更好地擬合真實目標語音的聲學參數(shù),主觀評價表明基于編碼器-解碼器（Encoder-Decoder）結(jié)構(gòu)的蒙... 

【文章來源】：內(nèi)蒙古大學內(nèi)蒙古自治區(qū) 211工程院校

【文章頁數(shù)】：56 頁

【學位級別】：碩士

【部分圖文】：

成多人音構(gòu)圖

圖 3. 10 特征預(yù)測對齊圖Figure 3.10 Feature prediction alignment.11，圖 3.12，圖 3.13，是選取了相同訓練語音數(shù)量下，對一個測試語音進別表示深度雙向長短期記憶網(wǎng)絡(luò)訓練模型得到的梅爾頻譜圖，原始語音文基于端到端模型得到的梅爾頻譜圖。

圖 3. 10 特征預(yù)測對齊圖Figure 3.10 Feature prediction alignment圖 3.11，圖 3.12，圖 3.13，是選取了相同訓練語音數(shù)量下，對一個測試語音進行轉(zhuǎn)換的結(jié)果，分別表示深度雙向長短期記憶網(wǎng)絡(luò)訓練模型得到的梅爾頻譜圖，原始語音文件的梅爾頻譜圖和基于端到端模型得到的梅爾頻譜圖。


本文編號：3234342