深度视觉语音生成研究进展与展望

为了进一步推进深度学习技术驱动的视觉语音生成相关科学问题的研究进展,阐述了视觉语音生成的研究意义与基本定义,并深入剖析了该领域面临的难点与挑战;在此基础上,介绍了目前视觉语音生成研究的现状与发展水平,基于生成框架的区别对近期主流方法进行了梳理、归类和评述;最后探讨视觉语音生成研究潜在的问题和可能的研究方向。     

莫言诺奖演讲词“故事化”策略浅析

莫言诺奖演讲词《讲故事的人》最显著的特色之一是从自身的生命感悟、创作经历和审美体验出发,慧眼独具地选取了“故事化”策略。这分别在结构、情感、象征及语言等维度上得以成功体现,从而使该演讲构思巧妙,情深意浓,蕴含深湛,耐人寻味,极具诗意风格,给人以莫大的心灵震撼与深层共鸣。该演讲是了解莫言最直接最鲜活之源。研究它,不仅可透见莫言的演讲特色,还可清楚把握其对自己创作的精彩总结与精神世界的自我剖析,尤其是从“故事化”策略的成功运用中挖掘到其心灵世界、创作历程与精神个性的方方面面。     

基于信号仿真的通信干扰压制系数计算方法

针对目前计算通信干扰压制系数方法存在的缺陷,引入信号仿真计算方法。介绍了通信干扰压制系数计算模型,研究了基于信号仿真的通信干扰压制系数计算,结合典型通信干扰战术背景,计算了不同样式干扰信号对模拟语音调频通信的干扰压制系数。实验结果表明,该方法能为通信对抗战术计算中根据通信装备和通信对抗装备的性能参数高精度、经济地计算通信干扰压制系数提供一种通用的方法。     

残差域加权ACF基音周期检测算法

针对传统自相关(ACF)基音周期检测算法存在较多的倍频和半频错误,文章提出一种基于线性预测残差域加权ACF基音周期检测方法。首先对语音信号中心削波,减小共振峰的影响;而后进行线性预测分析获得残差信号,对其求自相关值和循环幅度差(CAMDF)值,以CAMDF的倒数值为权重加权ACF进行基音周期检测;最后通过基音平滑算法对提取的基音轨迹进行后处理。仿真实验表明,该算法可降低基音提取的倍频和半频错误,提高估计精度。     

汉语语音识别中的一种音节分割方法

汉语语音识别研究中,识别单元的选取是很重要的。随着大词汇量连续语音识别研究的发展,越来越多汉语语音识别研究中选取次音节单位作为识别单元。结合汉语发音声学特性,提出了音节的重叠音素分割策略,并利用小波方法实现了音节的分割,实验证明该方法分割准确可靠。     

基于语音分段的自适应时长调整算法

文中提出了一种自适应的语音时长调整算法,首先对语音分段,提取出稳定的语音段使之与音素或者音节基本对应,然后根据总调整因子β和各段语音长度分配每一个语音段的局部调整因子iβ,最后采用波形相似叠加(W SOLA)算法完成对语音的时长调整。仿真结果表明:文中算法实用有效,可以合成可懂度和自然度更高的语音。     

浮点iLBC语音编码算法的定点DSP实现

简要介绍了iLBC语音编码算法的基本原理。详细描述了将iLBC浮点算法转换为定点算法并移植到定点DSP上的方法。比较了转换后的iLBC定点算法与ITU-T G.729A,G.723.1的复杂度,给出了转换后的定点算法与浮点算法的PESQ得分情况。