自然语言及语音处理项目式教程 课件7.3.3-1构建声学模型.pptx

基于PaddleSpeech实现新闻自动播报

文本前端处理合成声学模型声码器合成结果评测

声码器合成构建ParallelWaveGAN模型输出生成音频波形使用ParallelWaveGAN作为声码器，并进行合成。

构建ParallelWaveGAN模型ParallelWaveGAN是基于GAN（GenerativeAdversarialNetworks）的语音生成模型，其主要特点是可以并行地生成高质量的语音波形，速度较快，适用于实时应用场景。创建一个PWGGenerator对象，传入预训练模型的参数；然后加载预训练模型的参数，并去除权重归一化，将声码器切换到推理模式。需要读取数据预处理阶段数据集的均值和标准差，构建Z-Score归一化器，同时构建归一化的PWGInference对象，并将其切换到推理模式。使用PWGInference对象对输入的Mel频谱图进行声码器推理，得到音频文件并绘制声码器输出的波形图。

构建ParallelWaveGAN模型的类使用PaddleSpeech中的PWGGenerator类构建声学模型，该类的常用参数说明。参数名称参数说明**pwg_config[generator_params]接收dict，表示预训练模型的参数。无默认值

输出生成音频波形

文本前端处理合成声学模型声码器合成结果评测

结果评测对于语言合成的结果进行音频保存，即保存至本地。

结果评测的方法指标评测语音合成准确性的方法和指标。主观评价：主观评价是最基本的评价方法，即由人工听取合成语音并给出评价。常见的主观评价方法包括听音评分（MOS）、主观质量评估（SQ）、听感实验等。客观评价：客观评价是通过计算机算法对合成语音进行自动评价，通常包括声学特征分析、语音识别等。常用的客观评价方法包括语音质量评估（PESQ）、语音可懂度评估（STOI）、语音自然度评估（MCD）等。语音识别准确率：可以使用语音识别引擎对合成语音进行识别，并计算识别准确率作为评价指标，若识别率越高，则反应语音合成质量越高。常用的语音识别引擎包括百度语音、谷歌语音等。端到端评价：可以评价合成语音在某个具体应用场景下的表现，如语音助手、自动驾驶、语音翻译等。

结果评测结果分析影响语音识别引擎准确率的因素。音频清晰度自然度韵律语调

结果评测结果分析提高合成音频清晰度：调整合成参数，降低噪音、回声和失真。提高语音合成引擎的自然度：调整音调、语速、音量等参数；使用更高质量的训练数据。提高与自然语言相符性：加入基于注意力的语音合成技术确保音频的韵律、语调、停顿。为更有针对性地优化合成语音，可以实时监测语音识别引擎的准确率，并根据出现问题的音频段进行调整，不断提高合成音频的质量和语音识别引擎的准确率。