文本驅(qū)動的可視語音合成技術(shù)研究.pdf

1、近年來隨著計算機(jī)圖形學(xué)及多媒體技術(shù)的飛速發(fā)展，具有高度真實感的可視語音動畫己成為計算機(jī)領(lǐng)域的研究熱點，它在聾啞人教學(xué)、電子商務(wù)、影視特效、人機(jī)接口、醫(yī)學(xué)手術(shù)等方面都有著廣泛的應(yīng)用。
　　 本文重點研究了文本驅(qū)動的可視語音合成技術(shù)，旨在對輸入的文本信息進(jìn)行特征分析，從中提取出語音、表情以及時間等控制信息，通過改進(jìn)的三維人臉模型模擬出真實自然的語音人臉同步動畫。
　　 首先，在對人臉建模方法進(jìn)行深入分析的基礎(chǔ)上改進(jìn)特定人臉模

2、型，進(jìn)而減少網(wǎng)格點和可編輯面數(shù)量，以降低運算復(fù)雜度緩解系統(tǒng)壓力。其次，提出運用網(wǎng)格模型對人臉重點部位的肌肉進(jìn)行抽象化的方法。該方法借鑒人臉生理組織結(jié)構(gòu)的相關(guān)知識，總結(jié)出說話過程中面部肌肉群的運動規(guī)律，用以克服傳統(tǒng)方法中網(wǎng)格模型形變僵硬、網(wǎng)格頂點不易控制的缺點。此外，針對輸入文本信息的多種特征進(jìn)行研究，提出嵌入表情標(biāo)簽的方法為后續(xù)合成人臉動畫提供表情和時間等控制參數(shù)。并依據(jù)漢語普通話發(fā)音規(guī)律估算出連續(xù)語流中每個字的發(fā)音時長，以此做為可視語