机译：在本报告中，我们旨在构建一种情感语音合成系统，该系统使用少量目标情感语音来改善情感语音合成。通过应用DNN语音合成方法，该方法从包括说话者和情感表达的各种\ r \ n语音以及少量目标情感语音数据\ r \ n中生成学习数据中未包含的情感\ r \ n语音我们提出了一种生成目标情感言语的方法。根据客户的感知和主观评估实验，使用建议的方法仅使用\ n \ n声学模型（PM，AIM）学习声学模型（SED），并且目标语音为450句我们比较了性能。客观评估\ r \ n值的结果表明，在眼睛\ r \ n少于450个句子和情感语音数据的情况下，PM和AIM的性能与SED相同，而在450 \ r \ n句子下，PM和AIM的性能均超过450 SED。它是。从主观评估结果可以看出，学习目标语音一句话的声学模型可以生成质量与450句子\ r \ n的SED相同的语音。从上面可以看出，所提出的方法\ r \ n在使用少量目标情感语音数据构建情感语音合成系统\ r \ n中的有效性。
展开▼
