随着蒙古语智能信息处理技术的飞速发展,蒙古语语音合成技术已经达到实际应用水平,可以合成高音质的语音,但是情感表现力还有待提高。语音信息不仅仅是对文字的陈述,同时还需要包含很多的副语言信息,比如语速、语调、情感等。要想更好地将文字转化为拟人化的语音,合成带有情感的语音是必不可少的。研究蒙古语情感语音合成技术不仅能够扩展语音合成应用场景,还对推动蒙古语智能信息化发展具有重要意义。本文研究内容如下:1.构建了蒙古语情感语音数据库。本文构建了包含8种离散情感的蒙古语情感语音库,分别为高兴、生气、悲伤、惊奇、恐惧、厌恶、无聊以及中性情感。每种情感使用500句语料进行录制,共建立6.1小时的蒙古语情感语音库。2.端到端语音合成模型对数据规模有很强的依赖性,为了在有限规模情感语音数据下,合成高质量情感语音,本文提出了基于情感自适应的蒙古语情感语音合成方法。首先使用大量中性蒙古语语音数据训练得到预训练模型,然后使用情感语音对预训练模型进行微调,得到自适应蒙古语情感语音合成模型。实验结果表明,该方法在情感自然度、清晰度方面都远超未进行预训练的基线模型。3.本文提出了情感可控的蒙古语语音合成模型。通常情感语音合成模型仅能够合成单一情感语音,无法用单一模型随意合成多类情感语音。本文首次在蒙古语情感语音合成模型的基础上添加情感标签,研究了情感可控的蒙古语情感语音合成模型,同时将不同维度情感向量作为输入,并对合成的效果进行了实验比较。实验结果表明,使用8维情感向量对情感标签进行表示,能够合成情感区别明确、质量较高的情感语音。4.搭建蒙古语情感语音合成系统。本文采用B/S架构、Flask框架和Tacotron2模型,设计并构建了蒙古语情感语音合成云服务系统,在此基础上开发了相应的演示系统。