| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 1 绪论 | 第6-10页 |
| 1.1 课题研究背景和意义 | 第6页 |
| 1.2 语音合成方法回顾 | 第6-8页 |
| 1.3 本论文的研究目标及内容安排 | 第8-10页 |
| 2 相关背景知识 | 第10-22页 |
| 2.1 声码技术 | 第10-14页 |
| 2.1.1 发音机理 | 第10页 |
| 2.1.2 发音的数学建模 | 第10-11页 |
| 2.1.3 语音频谱分析 | 第11-13页 |
| 2.1.4 声码器 | 第13-14页 |
| 2.2 前端处理 | 第14-15页 |
| 2.3 基于HMM的统计参数语音合成 | 第15-21页 |
| 2.3.1 隐马尔可夫模型 | 第15-16页 |
| 2.3.2 基于HMM语音合成中的关键技术 | 第16-19页 |
| 2.3.3 基于HMM的语音合成框架 | 第19-20页 |
| 2.3.4 基于HMM的声学模型的特点 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 3 考虑全局方差的DNN语音合成方法 | 第22-37页 |
| 3.1 语言特征的构建 | 第23-26页 |
| 3.2 输出特征的提取 | 第26-28页 |
| 3.2.1 声学特征的提取 | 第26-28页 |
| 3.2.2 状态持续时间特征的提取 | 第28页 |
| 3.3 全局方差模型输入输出特征的构建 | 第28-29页 |
| 3.4 考虑全局方差的DNN回归模型 | 第29-31页 |
| 3.4.1 DNN基本原理 | 第29-30页 |
| 3.4.2 回归模型的构建 | 第30-31页 |
| 3.5 实验与结果讨论 | 第31-36页 |
| 3.5.1 实验环境 | 第31-32页 |
| 3.5.2 客观实验 | 第32-35页 |
| 3.5.3 主观测试 | 第35-36页 |
| 3.6 本章小结 | 第36-37页 |
| 4 基于LSTM的低延时语音合成算法 | 第37-50页 |
| 4.1 语音参数生成算法 | 第37-40页 |
| 4.2 基于LSTM的低延时语音合成框架 | 第40-44页 |
| 4.2.1 RNN基本原理 | 第40-42页 |
| 4.2.2 低延时语音合成框架 | 第42-44页 |
| 4.3 一种改进的基于LSTM的低延时语音合成算法 | 第44-45页 |
| 4.4 实验与结果讨论 | 第45-49页 |
| 4.4.1 实验环境 | 第45-46页 |
| 4.4.2 客观实验 | 第46-48页 |
| 4.4.3 主观测试 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 结论 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 攻读硕士学位期间发表学术论文情况 | 第55-56页 |
| 致谢 | 第56-58页 |