机器人语音---走进优必选

 听会笔记

介绍了机器人语音技术部的关键技术包括前端的信号处理，语音识别ASR,自然语言处理，以及最后的语音合成TTS

                                        

 

机器人的多模态交互 

                                  

 语音转换案例，可以通过20句话使语音合成变成目标人声音

                                                                           

语音合成部分

 介绍了语音合成大致流程

 

                                           

 语音合成的发展

                                             

 优必选的pipeline

                                             

 

多音字发音和停顿的解决方法

                                                     

                                                            

seq2seq模型比较

tacotron：相比SPSS,节省了时长模型，语音质量好，但计算量大，训练/推理速度慢，容易丢字，漏字，句尾重音，不易控制

tacotron2:优化了丢字，漏字，计算量大，无法并行，训练/推理速度慢，

Transformer-TTS:语音质量好，结构并行，训练速度快，但推理速度慢

                                                            

 端到端模型方案比较

                                                          

 声码器比较

1. WaveGAN 模型结构（GAN) 难训练，表现不稳定
2. WaveRNN 模型结构 RNN   , 音质好且稳定
3. WaveGlow 模型结构 CNN   , 有底噪，音质稳定