计算机应用

作者：邱泽宇, 屈丹, 张连海

单位：战略支援部队信息工程大学 信息系统工程学院, 郑州 450000

关键词：语音合成,端到端,Seq2Seq,Griffin-Lim算法,WaveNet

基金：国家自然科学基金资助项目（61673395）。

针对端到端语音合成系统中Griffin-Lim算法恢复相位信息合成语音保真度较低、人工处理痕迹明显的问题，提出了一种基于WaveNet网络架构的端到端语音合成方法。以序列映射Seq2Seq结构为基础，首先将输入文本转化为one-hot向量，然后引入注意力机制获取梅尔声谱图，最后利用WaveNet后端处理网络重构语音信号的相位信息，从而将梅尔频谱特征逆变换为时域波形样本。实验的测试语料为LJSpeech-1.0和THchs-30，针对英语、汉语两个语种进行了实验，实验结果表明平均意见得分（MOS）分别为3.31、3.02，在合成自然度方面优于采用Griffin-Lim算法的端到端语音合成系统以及参数式语音合成系统。

来源：2019年第5期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第5期