基于物理信息的语音产生神经网络
声音
2025-11-04 v1
摘要
基于声流动力学和声道的物理模型进行语音产生分析对于研究声流行为和语言学研究至关重要。本文提出一种基于物理信息神经网络（Physics-Informed Neural Networks, PINNs）的语音产生分析方法。该网络直接训练于声流振动和声道声学的支配方程。声流碰撞引入非可导性和梯度消失，这是PINNs面临的挑战性现象。我们展示，通过引入可导近似函数，能够在PINN框架内进行声流振动分析。语流自激声流振动周期通常是未知的。我们表明，通过将周期作为可学习的网络参数，能够获得周期解。此外，通过将声流-声道耦合实现为硬约束，可无需额外损失项实现声流-声道相互作用。我们通过正向和逆向分析确认了该方法的有效性，表明从语音信号中可以同时估计声流速率、声流振动状态和气管压力。值得注意的是，相同的网络架构可用于正向和逆向分析，突显了该方法的灵活性。该方法继承了PINN的优势，包括无网格计算和自然非线性包含，因而为广泛应用指望前景。
引用
@article{arxiv.2511.00428,
title = {Physics-Informed Neural Networks for Speech Production},
author = {Kazuya Yokota and Ryosuke Harakawa and Masaaki Baba and Masahiro Iwahashi},
journal= {arXiv preprint arXiv:2511.00428},
year = {2025}
}
备注
11 pages, 10 figures