深度学习语音合成技术综述
2021-05-14张小峰罗健欣
计算机工程与应用 2021年9期
张小峰,谢 钧,罗健欣,杨 涛
1.中国人民解放军陆军工程大学 指挥控制工程学院,南京210007
2.中国人民解放军31121部队
语音合成是将文本转化成语音的技术,在日常生活中有着广泛的应用,比如智能客服、虚拟助手、智能阅读等[1-2]。目前,常见的语音合成方法有拼接法(concatenative speech synthesis)、参数法(parametric speech synthesis)、统计参数法(Statistical Parametric Speech Synthesis,SPSS)以及深度学习法(deep learning)等。其中,拼接法和参数法也叫传统语音合成方法。
文献[3]从前端文本处理、语音生成角度对语音合成技术进行综述,首先综述语音合成中前端文本处理技术,然后综述语音合成技术,文献[3]综述的语音合成技术有拼接法、参数法以及前馈神经网络等。文献[4]则首先简述了传统的语音合成方法,然后从深度神经网络在语音合成技术中的应用角度综述语音合成技术,比如受限玻尔兹曼机、深度置信网、循环神经网络等在语音合成中的应用,最后介绍了基于Wavenet[5]和Tacotron的语音合成技术。
不同于上述的语音合成技术综述,文章从声学模型和声码器角度,系统综述基于深度学习的语音合成技术进行,包括各种基于深度学习声学模型、声码器和端到端语音合成系统等,并分析了各自的特点、优势、劣势,以及适应的场景。文章涉及了上述综述中基于深度学习的语音合成技术,但没有涉及到传统的语音合成技术。
自2016年谷歌公司提出Wavenet声码器至今,涌现出多种基于深度学习的语音合成技术,这些技术从合成语音质量、合成速度以及模型复杂度等方面提高语音合成技术性能。……
登录APP查看全文
