基于VITS 模型的藏语康巴方言语音合成研究

王嘉文 高定国 尼琼 巴果

摘要：藏语康巴方言是一种分布在中国西南部的少数民族语言，数据量低且具有丰富的声调和声母变化，给语音合成带来了很大的挑战。目前，现有的藏语语音合成模型大多基于传统的声码器或神经网络架构，需要大量的标注数据和复杂的训练过程，而且合成效果不理想。文章通过改进VITS模型，使其运用于藏语语音合成，在一个小规模的藏语康巴方言語料库上训练了VITS模型。实验结果表明，VITS模型可以很好地应用于藏语康巴方言的语音合成，不仅可以保持语音的自然度和清晰度，还可以准确地反映语音的声调和声母变化。

关键词： VITS; 藏语; 康巴方言; 语音合成

中图分类号：TP18 文献标识码：A

文章编号：1009-3044（2024）04-0008-03