一种基于互信息理论的自监督语音特征增强语音合成方法

一种基于互信息理论的自监督语音特征增强语音合成方法，涉及语音合成技术领域。该方法通过引入自监督语音特征，作为文本的声学补充，设计基于互信息最大化和最小化的信息瓶颈模块，从自监督语音特征中提取紧凑且与任务相关的自监督表示，并通过最大化文本表示与自监督表示之间的互信息，增强文本表示的声学信息，从而提高语音合成的自然度和质量。在单说话人和多说话人语音合成场景下均表现出色，且具有良好的跨语言适应性，能够有效提升不同语言环境下的语音合成质量。