论文部分内容阅读
在基于隐马尔可夫模型的语音合成说话人自适应中,通常的最大似然线性回归(Maximum likelihoad linearregression,MLLR)方法在自适应后的音质和相似度等方面与原始语音仍有一定的差距。为了改善说话人自适应的效果,本文从识别的理论出发,将结构化最大后验概率准则(Structure maximum aposteriori probability,SMAP)应用到语音合成的说话人自适应中,并将MLLR,MAP,SMAP等方法结合使用。通过一系列对参数、数据选取等实验,本文探讨了在语音