| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-21页 |
| ·语音技术与发展 | 第9-11页 |
| ·语音技术的发展 | 第9-10页 |
| ·语音合成技术简介 | 第10-11页 |
| ·说话人转换技术 | 第11-19页 |
| ·说话人转换的概况 | 第12-13页 |
| ·说话人转换的传统方法 | 第13-17页 |
| ·基于HMM 的说话人转换 | 第17-19页 |
| ·论文的研究内容和组织 | 第19-21页 |
| 第二章 基于 HMM 的说话人转换系统 | 第21-31页 |
| ·基于HMM 的语音合成－Trainable TTS | 第21-26页 |
| ·模型参数选择 | 第22-23页 |
| ·训练流程 | 第23-24页 |
| ·后端合成 | 第24-25页 |
| ·基于决策树的模型聚类 | 第25-26页 |
| ·MLLR 说话人自适应方法 | 第26-29页 |
| ·均值转换矩阵的估计 | 第27-28页 |
| ·回归矩阵的绑定 | 第28-29页 |
| ·本章小结 | 第29-31页 |
| 第三章 EigenVoice 自适应 | 第31-39页 |
| ·EigenVoice 模型自适应 | 第31-34页 |
| ·共享决策树聚类 | 第32页 |
| ·PCA 提取特征模型 | 第32页 |
| ·计算模型权重 | 第32-33页 |
| ·后端语音合成 | 第33-34页 |
| ·EigenVoice 相关实验 | 第34-37页 |
| ·PCA 分析效果 | 第34页 |
| ·10 个特征模型 | 第34-35页 |
| ·EigenVoice 与MLLR 对比 | 第35-37页 |
| ·特征模型意义的探讨 | 第37页 |
| ·本章小结 | 第37-39页 |
| 第四章 基于最大后验概率的说话人自适应 | 第39-57页 |
| ·基于MAP 准则的说话人自适应方法 | 第39-46页 |
| ·直接调整模型参数方法-MAP | 第39-41页 |
| ·结构化调整模型参数方法-SMAP | 第41-42页 |
| ·模型参数变换方法-MAPLR | 第42-44页 |
| ·结构化模型参数变换方法-SMAPLR | 第44-45页 |
| ·均值方差同时变换的方法-CSMAPLR | 第45-46页 |
| ·MAP 与其他方法的结合 | 第46页 |
| ·MAP 相关实验 | 第46-49页 |
| ·不同自适应数据量 | 第46-47页 |
| ·参数的调整 | 第47-48页 |
| ·文本挑选 | 第48页 |
| ·不同源模型 | 第48-49页 |
| ·SMAP 相关实验 | 第49-53页 |
| ·不同数据量 | 第50页 |
| ·不同参数取值 | 第50页 |
| ·细化树结构 | 第50-51页 |
| ·提高自适应效果尝试 | 第51-52页 |
| ·各种相关准则对比 | 第52-53页 |
| ·其它相关准则与参数的实验 | 第53-55页 |
| ·基线系统MLLR | 第53-54页 |
| ·MLLR,CMLLR,SMAPLR,CSMAPLR | 第54页 |
| ·HSMM_HMM/LSF_MEL | 第54-55页 |
| ·HSMM_LSF 参数调整 | 第55页 |
| ·本章小结 | 第55-57页 |
| 第五章 中英文跨语种的自适应 | 第57-65页 |
| ·跨语种自适应技术 | 第57-61页 |
| ·基于GMM 的跨语种自适应 | 第57-59页 |
| ·音素映射与IPA | 第59-60页 |
| ·基于HMM 的跨语种自适应 | 第60-61页 |
| ·基频的线性变换 | 第61页 |
| ·中英文的说话人自适应 | 第61-64页 |
| ·音素映射 | 第61-62页 |
| ·基频线性变换 | 第62-63页 |
| ·中英文的跨语种自适应 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 第六章 结束语 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 在读期间发表的学术论文和取得的研究成果 | 第71页 |