基于韵律迁移的多语言混合语音合成与口音控制.docxVIP

PAGE2

基于韵律迁移的多语言混合语音合成与口音控制

摘要

随着全球化进程加速，跨语言交流日益频繁，外语学习、影视配音和智能助手等场景对带口音的目标语言语音需求激增。现有的多语言语音合成系统虽能生成多种语言语音，但往往无法自然呈现外国口音中的韵律特征，导致发音生硬、身份感缺失。本课题设计并实现了一套基于韵律迁移的多语言混合语音合成与口音控制系统，旨在将源语言语音中蕴含的韵律模式迁移至目标语言文本的合成过程，生成带有特定外国口音的目标语言语音。

论文遵循软件工程流程，首先进行需求分析，明确系统需支持中英韩三种语言、支持从源语言向目标语言迁移韵律并可控调节口音强度。接着在总体设计阶段，提出“文本前端-韵律编码器-声学解码器-声码器”四层架构，并划分多语言前端、韵律迁移、声学合成及音频后处理四大模块。详细设计部分深入阐述了基于对抗训练的语言无关韵律解耦算法和口音嵌入控制机制。实现阶段基于PyTorch框架和HiFi-GAN声码器完成系统搭建，测试结果证明合成语音的口音自然度MOS评分达到3.8，语速、音高包络与源韵律的相关系数均超过0.85。本设计的创新点在于提出了跨语言韵律瓶颈特征和口音强度可调的控制方法，为多语言语音合成中的口音个性化生成提供了可行方案。

第一章绪论

1.1研究背景

在跨国商务、语言教育及多媒体内容创作中，人们常常需要生成带有特定外国口音的目标语言语音。例