端到端的语音合成中声码器方法研究开题报告

全文总字数：5597字

1. 研究目的与意义（文献综述）

语音识别和语音技术是实现人机语音通信，建立以个有听和讲能力的口语系统所必须的两项关键技术。和语音识别相比，语音合成的技术相对来说成熟一些，是该领域中最有希望产生突破并形成产业化的一项技术。[1]

按照人类言语功能的不同层次，语音合成也可分成三个层次，它们是：

（1）从文字到语音的合成（text-to-speech）

2. 研究的基本内容与方案

基本内容：

（1）调研了解从真实音频到梅尔频谱图的转化过程;

（2）调研了解现有的声码器，了解从梅尔频谱图到语音的转化过程。

3. 研究计划与安排

（1）2020/3/1-2020/3/31：学习python,了解cnn和dnn，学习关于真实音频到梅尔频谱图的转化并实践，学习wavenet的相关知识，学习声码器的一些方法;

（2）2020/4/1-2020/4/30：进行系统的架构，讨论如何对梅尔频谱到语音的转化；

(3) 2020/5/1-2020/5/25: 撰写及修改毕业论文；

4. 参考文献（12篇以上）

[1] 温正棋,刘斌,张大伟.解读“智能交互”的核心技术[j].人工智能,2018(01):60-75.

[2] 刘郅楠. 基于端到端蒙古语语音合成方法的研究[d].内蒙古大学,2019.

[3] 刘郅楠. 基于端到端蒙古语语音合成方法的研究[d].内蒙古大学,2019.