| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第14-26页 |
| 1.1 语音合成技术概述 | 第14-15页 |
| 1.2 语音信号生成机理 | 第15-16页 |
| 1.3 现阶段主流语音合成方法 | 第16-20页 |
| 1.3.1 单元挑选与波形拼接语音合成 | 第17-18页 |
| 1.3.2 统计参数语音合成 | 第18-20页 |
| 1.4 语音合成声码器 | 第20-23页 |
| 1.4.1 线性预测分析合成器 | 第20-21页 |
| 1.4.2 共振峰合成器 | 第21-22页 |
| 1.4.3 STRAIGHT分析合成算法 | 第22-23页 |
| 1.5 本论文的研究目标和内容概述 | 第23-26页 |
| 第2章 基于卷积神经网络的话者相关语音合成声码器 | 第26-38页 |
| 2.1 WaveNet简介 | 第26-30页 |
| 2.1.1 卷积神经网络简介 | 第26-28页 |
| 2.1.2 扩张因果卷积 | 第28-29页 |
| 2.1.3 门控激活函数及残差网络结构 | 第29-30页 |
| 2.1.4 波形量化与softmax输出 | 第30页 |
| 2.2 基于卷积神经网络的语音合成声码器 | 第30-32页 |
| 2.2.1 网络结构及时域分辨率调整 | 第30-31页 |
| 2.2.2 采样方式 | 第31-32页 |
| 2.3 实验 | 第32-36页 |
| 2.3.1 实验配置 | 第32-33页 |
| 2.3.2 实验结果及分析 | 第33-36页 |
| 2.4 本章小结 | 第36-38页 |
| 第3章 基于卷积神经网络的声码器话者无关与自适应训练方法研究 | 第38-48页 |
| 3.1 说话人自适应历史回顾 | 第38-39页 |
| 3.2 话者无关与自适应训练 | 第39-40页 |
| 3.3 实验 | 第40-46页 |
| 3.3.1 实验配置 | 第40-41页 |
| 3.3.2 实验结果及分析 | 第41-46页 |
| 3.4 本章小结 | 第46-48页 |
| 第4章 基于卷积神经网络的声码器改进方法研究 | 第48-56页 |
| 4.1 语音频带扩展 | 第48-49页 |
| 4.2 多分辨率层级化生成方法 | 第49-51页 |
| 4.3 网络训练与语音生成的采样方式 | 第51页 |
| 4.4 实验 | 第51-54页 |
| 4.4.1 实验配置 | 第51-53页 |
| 4.4.2 实验结果及分析 | 第53-54页 |
| 4.5 本章小结 | 第54-56页 |
| 第5章 总结 | 第56-58页 |
| 5.1 本文主要贡献与创新点 | 第56页 |
| 5.2 后续研究工作 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63-64页 |
| 在读期间发表的学术论文与取得的研究成果 | 第64页 |