語音合成基于超聲的口腔聲學(xué)器官運動模型.pdf

1、語音信號處理一直是計算機(jī)科學(xué)、工程研究的熱門領(lǐng)域，語音自動識別和合成技術(shù)的初步應(yīng)用已經(jīng)得到了普及，然而現(xiàn)今大多數(shù)成熟商業(yè)系統(tǒng)仍然無法提供自然、準(zhǔn)確的語音交互體驗。在這樣的背景下，部分研究學(xué)者寄希望于對發(fā)聲生理過程進(jìn)行研究，以此推動語音相關(guān)技術(shù)的研究。于是，大量的捕獲聲學(xué)器官運動的傳感器被開發(fā)出來，嘗試著從不同角度建立發(fā)聲中聲學(xué)器官運動與語音信號間的關(guān)系。
　　本文提出了從語音信號合成口腔內(nèi)部聲學(xué)器官運動超聲圖像的框架，系統(tǒng)通過對輸

2、入的語音信號進(jìn)行特征提取，然后通過映射模型計算出超聲圖像的特征參數(shù)，并使用該特征參數(shù)重構(gòu)出超聲圖像。本文首先總結(jié)介紹了現(xiàn)有常見映射模型，包括基于語言學(xué)和基于幀對幀的模型；然后通過介紹語音生成模型和Silent Speech Interface來對該系統(tǒng)的實際應(yīng)用場景有更深入的理解；接著描述了本實驗所使用的基于超聲的多模態(tài)語料庫；最后詳細(xì)描述了基于k-means和Gaussian Mixture Model的映射模型的原理和實現(xiàn)。