文本驅動的可視語音合成技術研究.pdf

1、近年來隨著計算機圖形學及多媒體技術的飛速發(fā)展，具有高度真實感的可視語音動畫己成為計算機領域的研究熱點，它在聾啞人教學、電子商務、影視特效、人機接口、醫(yī)學手術等方面都有著廣泛的應用。
　　 本文重點研究了文本驅動的可視語音合成技術，旨在對輸入的文本信息進行特征分析，從中提取出語音、表情以及時間等控制信息，通過改進的三維人臉模型模擬出真實自然的語音人臉同步動畫。
　　 首先，在對人臉建模方法進行深入分析的基礎上改進特定人臉模

2、型，進而減少網格點和可編輯面數量，以降低運算復雜度緩解系統(tǒng)壓力。其次，提出運用網格模型對人臉重點部位的肌肉進行抽象化的方法。該方法借鑒人臉生理組織結構的相關知識，總結出說話過程中面部肌肉群的運動規(guī)律，用以克服傳統(tǒng)方法中網格模型形變僵硬、網格頂點不易控制的缺點。此外，針對輸入文本信息的多種特征進行研究，提出嵌入表情標簽的方法為后續(xù)合成人臉動畫提供表情和時間等控制參數。并依據漢語普通話發(fā)音規(guī)律估算出連續(xù)語流中每個字的發(fā)音時長，以此做為可視語