基于深度神经网络的语音驱动发音器官运动的合成方法

实现一种基于深度神经网络的语音驱动发音器官运动合成的方法，并应用于语音驱动虚拟说话人动画合成。通过深度神经网络（Deep neural networks， DNN）学习声学特征与发音器官位置信息之间的映射关系，系统根据输入的语音数据估计发音器官的运动轨迹，并将其体现在一个三维虚拟人上面。首先，在一系列参数下对比人工神经网络（Artificial neural network， ANN）和DNN的实验结果，得到最优网络;其次，设置不同上下文声学特征长度并调整隐层单元数，获取最佳长度;最后，选取最优网络结构，由DNN输出的发音器官运动轨迹信息控制发音器官运动合成，实现虚拟人动画。实验证明，本文所实现的动画合成方法高效逼真.