利用 BLSTM-RNN 与嵌入特征的中文语音合成自动韵律预测
计算与语言
2015-11-03 v1 声音
摘要
韵律影响语音的自然度和可懂度。然而，从文本自动预测中文语音合成的韵律仍是一项巨大挑战，且传统的基于条件随机场(CRF)的方法总是严重依赖特征工程。本文提出使用神经网络直接从汉字预测韵律边界标签，无需任何特征工程。实验结果表明，堆叠前馈与双向长短期记忆(BLSTM)循环网络层取得了优于基于 CRF 方法的性能。从原始文本中学习到的嵌入特征进一步增强了性能。
引用
@article{arxiv.1511.00360,
title = {Automatic Prosody Prediction for Chinese Speech Synthesis using BLSTM-RNN and Embedding Features},
author = {Chuang Ding and Lei Xie and Jie Yan and Weini Zhang and Yang Liu},
journal= {arXiv preprint arXiv:1511.00360},
year = {2015}
}
备注
5 pages, 4 figures, ASRU 2015