基于神经声码器的个性化语音合成系统设计与说话人嵌入优化.docxVIP

PAGE2

基于神经声码器的个性化语音合成系统设计与说话人嵌入优化

摘要

随着人机交互向自然化、个性化演进，定制化语音合成在智能助手、有声内容创作、辅助沟通等场景中需求激增。现有方案多依赖大规模录音与复杂调参，难以兼顾合成音质、说话人相似度及部署效率。本课题设计并实现了一套基于神经声码器的个性化语音合成系统，以少量目标说话人语音为输入，通过优化说话人嵌入提取与声码器联合建模，实现高质量、高相似度的定制化语音输出。

论文遵循“需求分析—总体设计—详细设计—实现—测试”的工程递进思路。首先分析功能与非功能需求，定义系统用例；随后规划由前端交互、嵌入提取、声码器合成与后端服务构成的总体架构，并完成模块划分与数据存储设计。在详细设计阶段，深入阐述基于ECAPA-TDNN的说话人嵌入提取与基于HiFi-GAN的神经声码器两大核心模块，给出算法流程与接口规范。实现部分展示了开发环境、关键代码片段及运行效果，重点解决了嵌入空间坍缩与实时合成加速两个技术难点。测试环节通过功能用例、主观听觉评测（MOS）和实时率指标验证了系统有效性。

本设计的核心创新在于：提出一种基于原型对比学习的说话人嵌入优化策略，在维持嵌入紧凑性的同时显著提升说话人区分度，并采用多尺度流形损失约束声码器生成，使合成语音的自然度与个性特征均达到先进水平。实验表明，系统在4条目标语音注册条件下，合成语音MOS可达4.2，说话