1. 毕业设计（论文）的内容和要求
本课题要求实现基于Neural Network的文本语音转换（TTS）合成系统。
本课题要求在详细调研用户需求的基础上，开发出系统功能接近于实用的软件平台，尽量做到界面友好，功能齐备，数据真实。
有余力的基础上可以尝试实现一些较为复杂的功能。
2. 参考文献
[1] 张舸, 张鹏远, 潘接林, et al. 基于递归神经网络的语音识别快速解码算法[J]. 电子与信息学报, 2017(4).[2] 毕晓君, 静广宇, 徐先锋. 利用TTS技术实现文本文件的语音合成[J]. 自动化技术与应用, 2004(09):49-51. [3] 曹辉, 徐晨, 赵晓, et al. 说话人识别中的Mel特征频率倒谱系数[J]. 西北大学学报(自然科学版)(2):37-42.[4] 陈雁翔, 龙润田. 基于PAD情感模型的可训练语音合成研究[J]. 模式识别与人工智能, 2013, 26(11):1019-1025.[5] 秦楚雄, 张连海. 基于DNN的低资源语音识别特征提取技术[J]. 自动化学报(7).[6] 张天骐, 熊梅, 张婷, et al. 结合区分性训练深度神经网络的歌声与伴奏分离方法[J]. 声学学报, 2019(3):393-400. [7] 李鸿儒, 顾树生. 一种递归神经网络的快速并行算法[J]. 自动化学报, 2004, 30(4).[8] 李雄飞, 冯婷婷, 骆实, et al. 基于递归神经网络的自动作曲算法[J]. 吉林大学学报(工学版)(03).[9] 冯婷婷. 基于神经网络的音乐音频自动合成的研究与实现[D].[10] Tachibana H, Uenoyama K, Aihara S. Efficiently Trainable Text-to-Speech System Based on Deep Convolutional Networks with Guided Attention[J]. 2017.[11] Arik S, Diamos G, Gibiansky A, et al. Deep Voice 2: Multi-Speaker Neural Text-to-Speech[J]. 2017.[12] Sercan mer Arik, Mike Chrzanowski, Adam Coates, Gregory Frederick Diamos, Andrew Gibiansky, Yongguo Kang, Xian Li, John Miller, Andrew Y. Ng, Jonathan Raiman, Shubho Sengupta, Mohammad Shoeybi: Deep Voice: Real-time Neural Text-to-Speech. ICML 2017: 195-204.[13] Shen J, Pang R, Weiss R J, et al. Natural TTS Synthesis by Conditioning WaveNet on Mel Spectrogram Predictions[J]. 2017.[14] Mehri S, Kumar K, Gulrajani I, et al. SampleRNN: An Unconditional End-to-End Neural Audio Generation Model[J]. 2016.[15]. Jemine, C. (2019). Master thesis: Automatic Multispeaker Voice Cloning. (Unpublished master's thesis). Universit de Lige, Lige, Belgique. Retrieved from https://matheo.uliege.be/handle/2268.2/6801.[16] Zhao Y, Takaki S, Luong H T, et al. Wasserstein GAN and Waveform Loss-based Acoustic Model Training for Multi-speaker Text-to-Speech Synthesis Systems Using a WaveNet Vocoder[J]. IEEE Access, 2018:1-1.[17] Arik S O, Chen J, Peng K, et al. Neural Voice Cloning with a Few Samples[J]. 2018.
