使用音高同步殘留程式碼簿進行混合HMM /幀選擇的語音合成 (CS Sound)

• 2020 年 1 月 2 日
• 筆記

本文提出了一種對統計參量語音合成器提高品質的方法。 為此，我們使用音高同步殘差幀的程式碼本，以構造更真實的源訊號。 首先，從一些訓練資料庫中建立常見刺激的有限程式碼本。 在合成部分中，HMM用於生成濾波器係數和源係數。 後面的係數既包含音調又包含目標殘差幀的緊湊表示。通過從碼本中拾取刺激幀進行級聯獲得源訊號，該拾取基於一定的選擇標準並將目標殘差係數作為輸入。 與基本技術相比，客觀結果顯示出本技術相對的提高。

原文題目：Using a Pitch-Synchronous Residual Codebook for Hybrid HMM/Frame Selection Speech Synthesis

原文：This paper proposes a method to improve the quality delivered by statistical parametric speech synthesizers. For this, we use a codebook of pitch-synchronous residual frames, so as to construct a more realistic source signal. First a limited codebook of typical excitations is built from some training database. During the synthesis part, HMMs are used to generate filter and source coefficients. The latter coefficients contain both the pitch and a compact representation of target residual frames. The source signal is obtained by concatenating excitation frames picked up from the codebook, based on a selection criterion and taking target residual coefficients as input. Subjective results show a relevant improvement compared to the basic technique.

原文作者：Thomas Drugman,Alexis Moinet,Thierry Dutoit,Geoffrey Wilfart

原文地址：https://arxiv.org/abs/1912.12887

使用音高同步殘留程式碼簿進行混合HMM /幀選擇的語音合成(CS Sound).pdf