基于分類映射的非并行語料語音轉換.pdf

1、語音轉換是指通過改變與源說話人個性特征有關的聲學特征參數(shù)，使之聽起來像是目標說話人的語音，而其中的語義是不發(fā)生變化的。傳統(tǒng)的語音轉換需要采用并行語料，訓練源-目標說話人語音模型，得到語音轉換規(guī)則；但實際應用中很難獲得并行的語料，本課題研究一種基于分類映射的非并行語料的語音轉換，改變的聲學特征參數(shù)為基音和譜包絡，主要內容包括：
　　 1.研究STRAIGHT分析與合成算法，基于STRAIGHT平臺調整與說話人個性特征有關的參數(shù)。<

2、br>　　 2.采用非平行語料，由STRAIGHT提取傅立葉短時譜和基音頻率F0。譜包絡基于K均值分類，然后采用DFW進行分類映射并組成聯(lián)合特征矢量，最后采用GMM模型訓練得到轉換函數(shù)3.給出基于分類映射的非并行語料語音轉換系統(tǒng)總體框架，并編程實現(xiàn)整個系統(tǒng)。
　　 最后通過ABX和MOS實驗表明論文提出的語音轉換方法可以得到與傳統(tǒng)的并行語料語音轉換接近的轉換性能，轉換語音的目標說話人識別正確率達到95.5％。實驗結果充分說明了