基於物理法則的神經網路（PINNs）是一種讓神經網路學習表徵物理法則的偏微分方程方法，近年來頗受關注。
日本長岡技術科學大學技學研究院機械系的橫田和哉助教、電氣電子資訊系的原川良介副教授、機械系的馬場將亮副教授、電氣電子資訊系的岩橋政宏教授組成的研究團隊，利用PINNs開發出了一種結合聲帶振動與聲道共鳴的新型話音合成方法。相關研究成果已發表在《IEEE Transactions on Audio, Speech and Language Processing》上。
圖1 通過讓神經網路學習人類發聲的物理模式，實現話音合成與基於語音的聲帶狀態推測（供圖：長岡技術科學大學助教橫田和哉）
研究團隊引入了可讓網路學習聲帶閉合時複雜運動的機制、基於神經網路學習從肺部壓力推算音高低的方法，以及處理聲帶與聲道相互作用所需的網絡式結構等。
為驗證合理性，研究團隊開展了正分析與逆分析。正分析中，研究團隊成功合成組元音「a」和「u」的語音波形，其合理性經與傳統數值模擬方法對比得到確認。通過學習聲帶與聲道物理法則的PINNs實現了話音合成，這一成果還是首次報告。逆分析結果顯示，在聲道形狀與聲帶參數已知的條件下，可由模擬合成的語音波形推算聲帶運動、聲門氣流、聲門下壓等。
本研究提出的是一種結合觀測數據與物理法則、用於理解人類語音如何生成的新型話音合成方法。未來，通過從語音中推算聲帶、聲道等發聲器官的狀態，該方法有望作為一種新型話音合成與分析技術，在發聲機制闡明、語音障礙解析、發聲訓練輔助等領域得到發展。
原文：《科學新聞》
翻譯：JST客觀日本編輯部
【論文資訊】
期刊：IEEE Transactions on Audio, Speech and Language Processing
論文：Physics-Informed Neural Networks for Speech Production
DOI：doi.org/10.1109/TASLPRO.2026.3700036open_in_new
