随着手机、智慧音箱等智慧设备的迅猛发展,语音交互技术受到了越来越多的关注。语音合成作为语音交互的核心技术之一,必不可少的成了研究热点。语音合成技术在不断进步,机器合成语音的质量也在逐步逼近自然语音,与此同时,用户开始更多的关注合成语音的个性化特征,其中方言语音合成技术就因其增加了合成语音的个性化特征而备受用户喜爱。汉语方言众多,而方言的语音合成技术又对方言的留存有着极其重要的意义。考虑到目前还没有上海话语音合成技术方面的研究,于是本文以上海话为研究对象,建立了一个面向上海话语音合成的语料库,提出了一种上海话的文本分析方法。在此基础上,分别将深度全连接网络(Deep Neural Network,DNN)、长短时记忆(Long Short-Term Memory,LSTM)网络引入到上海话的语音合成中,同时结合文献[1]中的CBHG网络,提出了基于LSTM+CBHG的上海话声学建模方法。本文的主要工作和创新如下:1.建立了一个面向上海话语音合成的语料库。根据上海话的发音特点,设计了1800句上海话的文本语料,覆盖上海话的声母、韵母和声调以及常用文白异读词汇的发音现象。并在专业录音棚录制了该文本语料的一位成年男性说话人的上海话语音库。2.提出了一种上海话文本分析的方法。输入普通话文本首先经过文本正则化、分词以及韵律预测后,获取文本的句子边界、词性以及韵律边界等上下文信息;接着在上海话词汇词典、特殊音字典的指导下,将字素转换成音素,根据音节映射规律获得完全的上海话拼音;结合上下文信息与上海话拼音,最终生成上海话的上下文相关标签。3.分别实现了基于DNN和LSTM循环神经网络的上海话语音合成方法,同时提出了基于LSTM+CBHG的上海话语音合成方法。通过上海话文本分析获取文本的上下文相关标签,采用WORLD声码器提取语音的声学参数,然后用标准化后语言特征和声学特征训练上述三种声学模型,预测声学特征解标准化后再做平滑处理和谱增强,最后喂入WORLD声码器重构出上海话语音波形。本文对比给出了三个实验的结果。