語音合成中韻律結(jié)構(gòu)預(yù)測改進(jìn)——深度學(xué)習(xí)在韻律預(yù)測模塊中的應(yīng)用研究.pdf

1、韻律結(jié)構(gòu)是影響語音合成中語音自然度的關(guān)鍵因素之一，對韻律結(jié)構(gòu)預(yù)測的研究具有重要意義。傳統(tǒng)的基于規(guī)則和基于統(tǒng)計(jì)的韻律預(yù)測模型建模方法在應(yīng)用中取得了許多成功，但其在選取輸入特征時(shí)多使用詞性(Part-of-Speech，POS)等淺層信息,忽略了語義和語法等深層信息對韻律結(jié)構(gòu)的影響。另外，當(dāng)數(shù)據(jù)復(fù)雜性很大時(shí)，會(huì)出現(xiàn)適用范圍窄、過擬合以及過于依賴規(guī)則等問題。針對傳統(tǒng)方法中存在的局限性，需要一種對復(fù)雜數(shù)據(jù)建模能力很強(qiáng)的模型且模型的輸入需表征深層

2、信息。
　　本文在韻律結(jié)構(gòu)預(yù)測模塊中引入深度學(xué)習(xí)，基于詞向量作為模型輸入特征的深度神經(jīng)網(wǎng)絡(luò)預(yù)測模型進(jìn)行研究。論文的主要工作如下:
　　(1)準(zhǔn)備文本語料庫訓(xùn)練詞向量，使用訓(xùn)練得到的詞向量替代傳統(tǒng)的POS信息作為預(yù)測模型的輸入，在模型的輸入特征中加入詞長信息和標(biāo)點(diǎn)信息，從而增加輸入特征中包含的信息，提高模型的學(xué)習(xí)效果;
　　(2)采用全連接的前饋網(wǎng)絡(luò)(FF)與雙向長短時(shí)記憶單元(BLSTM)網(wǎng)絡(luò)組合的網(wǎng)絡(luò)結(jié)構(gòu)對韻律預(yù)測模