面向语音合成的端到端文本转语音硬件设计.docxVIP

PAGE2

面向语音合成的端到端文本转语音硬件设计

摘要

随着智能助手与有声读物的普及，端侧自然流畅的语音合成需求日益增长。传统云端文本转语音（TTS）方案受限于网络延迟与隐私风险，而本地人工神经网络（ANN）推理则面临算力与功耗瓶颈。本课题面向人工智能芯片与类脑计算领域，设计一种基于脉冲神经网络（SNN）的端到端TTS推理加速硬件架构，旨在实现低功耗、高实时的端侧语音合成。

全文遵循工程递进思路展开。首先，分析端侧TTS的现实痛点，明确低延迟与低功耗的设计目标。其次，研究端到端TTS算法与类脑计算的适配性，完成关键技术选型。随后，进行系统需求分析，量化功能与非功能指标。进而，设计软硬件协同的总体架构，划分文本前端、类脑加速核与声码器等模块。详细设计阶段，深入阐述ANN-to-SNN转换机制与脉冲累加推理逻辑，定义片上数据流与接口规范。实现阶段，基于FPGA平台构建原型，攻克SNN精度损失与内存受限等难点。测试结果表明，系统平均合成延迟低于200毫秒，动态功耗较传统ANN硬件降低约40%，平均意见得分（MOS）达4.0以上。

本设计的核心创新在于将类脑脉冲计算范式引入TTS推理领域，通过事件驱动的稀疏计算机制，有效突破了端侧语音合成的能效壁垒，为下一代智能语音交互硬件提供了可行的工程实践参考。

第一章绪论

1.1研究背景

随着物联网与边缘计算的快速发展，智能语音交互已深度