歌声在表达情感、舒缓心情等方面有重要作用。用计算机合成歌声可以创造声音独特的虚拟歌姬,为科幻动画中的人物做歌声配音,实现已故歌手音色的歌声演唱,也可以帮助缺少教师资源的地区展开歌唱教育。由于在基于隐马尔科夫模型（Hidden Markov Models,HMM）的歌声合成中,使用最大似然准则或最小均方误差准则合成的歌声存在统计平均效应,导致歌声合成结果过平滑、合成音质差,并且合成所用时间长。本文针对这些问题,用三种方法来合成歌声,改善了合成的效果。本文的主要工作如下:1.构建歌声数据库。本文选择100首歌曲曲目,共约300分钟。请1名专业歌唱者在专业录音环境中进行100首歌曲的歌声录制,录音格式为48k Hz采样率,16bit精度。接着将录制的歌声切分成完整的短句,校对、检测后得到1560句8～15s的句子。用Praat对短句做起止时间的标注。再将乐谱中的歌词转换为计算机易处理的拼音,经过校对后对乐谱进行分析,得到上下文相关标注。2.实现基于深度神经网络（Deep Neural Networks,DNN）的歌声合成。从构建的歌声数据库中提取声学特征,用DNN模型对歌声的颤音、时延进行建模训练。将得到的歌声做评测,得到平均2.68的MOS评分。3.提出基于生成对抗网络（Generative Adversarial Network,GAN）的普通话歌声合成。从构建的歌声数据库中提取模型需要的声学特征,使用GAN中的生成网络生成歌声,通过判别网络判断合成效果。该过程使传统最小生成损失和欺骗判别网络的对抗损失的加权和最小化,也就是最小化了生成样本和自然样本参数间的差距。经过多次的生成网络和判别网络的更新训练,得到合成歌声。对歌声做评测,得到平均3.05的MOS评分。4.实现基于Fast Speech的歌声合成。从构建的歌声库中提取音素、持续时间和音高特征,先后送入编码器、解码器进行处理,最后将得到的声学特征通过声码器合成出歌声。将合成的歌声做评测,得到平均3.45的MOS评分。