结合填充停顿语言学知识的个性化自发语音合成实证研究

我们基于语言学知识，针对个性化自发语音合成展开一项全面的实证研究。随着朗读式语音合成中语音克隆的出现，亟需一种类人且自发的语音克隆新范式。因此，我们聚焦于能够同时克隆个体嗓音音色与言语不流畅性的个性化自发语音合成。具体而言，我们处理填充停顿这一言语不流畅的主要来源；心理学与语言学已知其在言语生成与交际中发挥重要作用。为对比评估个性化填充停顿插入与非个性化填充停顿预测方法，我们开发了一种语音合成方法，其带有一个使用多说话人语料库训练的非个性化外部填充停顿预测器。结果阐明了填充停顿的位置-词语纠缠现象，即在合成语音评价中，为自然度需精确预测位置、为个体性需精确预测词语的必要性。