小数据下的音素级别说话人嵌入的语音合成自适应方法 徐志航

ｕｎｓｔａｂｌｅｓｐｅｅｃｈｓｙｎｔｈｅｓｉｚｉｎｇ．Ｏｕｒｐｒｏｐｏｓｅｄｐｈｏｎｅｍ ｅｌｅｖｅｌР ｆａｒａｓｗ ｅｋｎｏｗ ， ｂｕｉｌｄｉｎｇａｎｅｎｄ ｔｏ ｅｎｄＴＴＳｓｙｓｔｅｍ ｗ ｉｔｈａ ｓｐｅａｋｅｒｅｍ ｂｅｄｄｉｎｇｍ ｅｔｈｏｄｐｒｏｖｉｄｅａｎｅｗａｓｐｅｃｔｏｆｕｓｉｎｇР ｓｍ ａｌｌａｍ ｏｕｎｔｏｆｄａｔａｉｓｓｔｉｌｌｎｏｔａｗ ｅｌｌ ｓｏｌｖｅｄｐｒｏｂｌｅｍ ．Ｉｔｉｓ ｄｉｆｆｅｒｅｎｔｇｒａｉｎｓｓｐｅａｋｅｒｅｍ ｂｅｄｄｉｎｇａｎｄｉｍ ｐｒｏｖｅｔｈｅｑｕａｌｉｔｙｏｆР ａｌｓｏｃｈａｌｌｅｎｇｉｎｇｔｏｂｕｉｌｄａｎｅｎｄ ｔｏ ｅｎｄＴＴＳｓｙｓｔｅｍ ｗ ｉｔｈａ ｓｙｎｔｈｅｓｉｚｅｄｓｐｅｅｃｈｅｓｂｏｔｈｏｎｓｉｍ ｉｌａｒｉｔｙａｎｄｎａｔｕｒａｌｎｅｓｓ ，Р ｓｍ ａｌｌａｍ ｏｕｎｔｏｆｄｉｒｔｙｓｐｅｅｃｈ．Ａｄａｐｔａｔｉｏｎｆｒｏｍ ａｐｒｅｔｒａｉｎｅｄ ｗ ｈｉｃｈｃａｎｂｅａｐｐｌｉｅｄｏｎｅｖｅｒｙＴＴＳｍ ｏｄｅｌｓｆｏｒｓｐｅａｋｅｒР ＴＴＳｍ ｏｄｅｌｉｓａｐｏｐｕｌａｒａｎｄｃｏｍ ｍ ｏｎｌｙｕｓｅｄ． ａｄａｐｔａｔｉｏｎ．Р Ｔｈｉｓｐａｐｅｒｗ ｏｒｋｓ ｏｎｓｐｅａｋｅｒａｄａｐｔａｔｉｏｎ ｍ ｅｔｈｏｄｏｆ