基于VITS 模型的藏語康巴方言語音合成研究

王嘉文 高定國 尼瓊 巴果

摘要：藏語康巴方言是一種分布在中國西南部的少數民族語言，數據量低且具有豐富的聲調和聲母變化，給語音合成帶來了很大的挑戰。目前，現有的藏語語音合成模型大多基于傳統的聲碼器或神經網絡架構，需要大量的標注數據和復雜的訓練過程，而且合成效果不理想。文章通過改進VITS模型，使其運用于藏語語音合成，在一個小規模的藏語康巴方言語料庫上訓練了VITS模型。實驗結果表明，VITS模型可以很好地應用于藏語康巴方言的語音合成，不僅可以保持語音的自然度和清晰度，還可以準確地反映語音的聲調和聲母變化。

關鍵詞： VITS; 藏語; 康巴方言; 語音合成

中圖分類號：TP18 文獻標識碼：A

文章編號：1009-3044（2024）04-0008-03