高级搜索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于汉语视频三音素的可视语音合成

赵晖 唐朝京

赵晖, 唐朝京. 基于汉语视频三音素的可视语音合成[J]. 电子与信息学报, 2009, 31(12): 3010-3014. doi: 10.3724/SP.J.1146.2008.01634
引用本文: 赵晖, 唐朝京. 基于汉语视频三音素的可视语音合成[J]. 电子与信息学报, 2009, 31(12): 3010-3014. doi: 10.3724/SP.J.1146.2008.01634
Zhao Hui, Tang Chao-jing. Visual Speech Synthesis Algorithm Based on Chinese Visual Triphone[J]. Journal of Electronics & Information Technology, 2009, 31(12): 3010-3014. doi: 10.3724/SP.J.1146.2008.01634
Citation: Zhao Hui, Tang Chao-jing. Visual Speech Synthesis Algorithm Based on Chinese Visual Triphone[J]. Journal of Electronics & Information Technology, 2009, 31(12): 3010-3014. doi: 10.3724/SP.J.1146.2008.01634

基于汉语视频三音素的可视语音合成

doi: 10.3724/SP.J.1146.2008.01634
基金项目: 

国家部委基金(51329060101)资助课题

Visual Speech Synthesis Algorithm Based on Chinese Visual Triphone

  • 摘要: 为了合成具有真实感的视频序列,该文提出一种基于汉语视频三音素的可视语音合成方法。根据汉语的发音规律和音素与视素的对应关系,该文提出视频三音素的概念。在此基础上,建立隐马尔可夫(HMM)训练与合成模型,在训练过程中使用了视频音频联合特征,并加入了动态特征。在合成过程中,连接视频三音素HMM模型形成句子HMM,并从中提取特征参数,合成可视语音。从主观和客观评估结果来看,合成视频的真实感强,满意度较高。
  • ]. Mini-Micro-System, 2002,23(4): 474-477.[5]Masuko T, Kobayashi T, and Tamura M, et al.. Text-tovisualspeech synthesis based on parameter generation fromHMM[C]. IEEE International Conference on Acoustics,Speech and Signal Processing, Seattle, USA, 1998, 6:3745-3748.[6]Jiang Jin-tao, Aronoff J M, and Bernstein L E. Developmentof a visual speech synthesizer via second-orderisomorphism[C]. IEEE International Conference onAcoustics, Speech and Signal Processing, Las Vegas, USA,2008: 4677-4680.[7]Zhou Wei and Wang Zeng-fu. Speech animation based onChinese mandarin triphone model. 6th IEEE/ACISInternational Conference on Computer and InformationScience, Melbourne, Australia, July 2007: 924-929.[8]吴华, 徐波, 黄泰翼. 基于三音素模型的语料自动选取算法[J]. 软件学报, 2000, 11(2): 271-276.Wu Hua, Xu Bo, and Huang Tai-yi. Automatic corpusselecting algorithm based on triphone models[J]. Journal ofSoftware, 2000, 11(2): 271-276.[9]Zhao Hui and Tang Chao-jing. Visual speech synthesis basedon Chinese dynamic visemes[C]. IEEE InternationalConference on Information and Automation, Zhangjiajie,China, June, 2008: 139-14.

    Summerfield Q. Use of visual information in phoneticperception[J].Phonetic.1979, 36(4/5):314-331[2]McGurk H and Macdonald J. Hearing lips and seeingvoices[J].Nature.1976, 264(5588):746-748[3]Perng Woei-luen, Wu Yung-kang, and Ming Ouh-young.Image talk: a real time synthetic talking head using one singleimage with Chinese text-to-speech capability[C]. SixthPacific Conference on Computer Graphics and Applications,Singapore, 1998: 140-148.[4]王志明, 蔡莲红, 吴志勇. 汉语文本-可视语音转换的研究[J].小型微型计算机系统, 2002, 23(4): 474-477.Wang Zhi-ming, Cai Lian-hong, and Wu Zhi-yong. Study oftext to visual speech.
  • 加载中
计量
  • 文章访问数:  3226
  • HTML全文浏览量:  80
  • PDF下载量:  824
  • 被引次数: 0
出版历程
  • 收稿日期:  2008-12-05
  • 修回日期:  2009-06-19
  • 刊出日期:  2009-12-19

目录

    /

    返回文章
    返回