用决策树与 BLSTM 生成普通话与粤语的基频曲线
计算与语言
2018-07-05 v1
摘要
本文用决策树与 DNN（深度神经网络）对普通话与粤语语音的基本频率曲线进行建模。针对决策树与 DNN 测试了不同种类的 f0 表示与模型架构。提出了一种称为 Additive-BLSTM（加性双向长短期记忆）的新模型，用两个 BLSTM 预测基础 f0 曲线与残差 f0 曲线。在 RMSE 与相关的客观度量方面，在决策树框架中应用声调相关树并结合样本归一化与 delta 特征正则化表现最佳；而带有 delta 特征正则化的新 Additive-BLSTM 模型表现更优。还在普通话与粤语上进行了比较随机森林模型（多棵决策树）与 Additive-BLSTM 模型的主观听音测试，并依据听者偏好证实了新模型的优势。
引用
@article{arxiv.1807.01682,
title = {Generating Mandarin and Cantonese F0 Contours with Decision Trees and BLSTMs},
author = {Weidong Yuan and Alan W Black},
journal= {arXiv preprint arXiv:1807.01682},
year = {2018}
}
备注
5 pages