基於ANN之頻譜演進模型及其於國語語音合成之應用

An ANN based Spectrum-progression Model and Its Application to Mandarin Speech Synthesis

考量合成語音的流暢性不佳的問題，本文提出以動態時間校正（DTW）來匹配目標（句子發音）音節與參考（單獨發音）音節之間的頻演（頻譜演進）路徑，再將頻演路徑轉換成固定維度的頻演參數，用以去訓練頻演參數類神經網路（ANN）模型。之後，將文句分析、頻演參數、韻律參數、和信號合成模組的程式作整合，而成為可實際運轉的系統。當把此系統合成出的語音，拿去作聽測評估，所得到的平均分數顯示，頻演參數ANN模型的確可明顯地改進合成語音的流暢性。