語音合成中韻律結構預測改進——深度學習在韻律預測模塊中的應用研究.pdf

1、韻律結構是影響語音合成中語音自然度的關鍵因素之一，對韻律結構預測的研究具有重要意義。傳統(tǒng)的基于規(guī)則和基于統(tǒng)計的韻律預測模型建模方法在應用中取得了許多成功，但其在選取輸入特征時多使用詞性(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構的影響。另外，當數(shù)據復雜性很大時，會出現(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，需要一種對復雜數(shù)據建模能力很強的模型且模型的輸入需表征深層

2、信息。
　　本文在韻律結構預測模塊中引入深度學習，基于詞向量作為模型輸入特征的深度神經網絡預測模型進行研究。論文的主要工作如下:
　　(1)準備文本語料庫訓練詞向量，使用訓練得到的詞向量替代傳統(tǒng)的POS信息作為預測模型的輸入，在模型的輸入特征中加入詞長信息和標點信息，從而增加輸入特征中包含的信息，提高模型的學習效果;
　　(2)采用全連接的前饋網絡(FF)與雙向長短時記憶單元(BLSTM)網絡組合的網絡結構對韻律預測模