版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、西安建筑科技大學(xué)碩士學(xué)位論文采用STRAIGHT模型和深度信念網(wǎng)絡(luò)的語(yǔ)音轉(zhuǎn)換方法專業(yè):信號(hào)與信息處理碩士生:蘇利博指導(dǎo)教師:王民教授摘要語(yǔ)音轉(zhuǎn)換就是在保證語(yǔ)義信息不變的前提下,通過(guò)對(duì)語(yǔ)音的個(gè)性特征進(jìn)行處理,從而使一個(gè)人的語(yǔ)音聽起來(lái)像另外一個(gè)人的語(yǔ)音。目前國(guó)內(nèi)外學(xué)者在語(yǔ)音轉(zhuǎn)換領(lǐng)域進(jìn)行了許多研究,比較經(jīng)典的方法有:基于隱馬爾科夫模型(HiddenMarkovModelHMM)、頻譜彎折(FrequencyWarpingFW)碼書映射(Cod
2、ebookMappingCM)、人工神經(jīng)網(wǎng)絡(luò)(ArtificialNeuralwksANN),以及采用高斯混合模型(GaussianMixtureModelGMM)進(jìn)行語(yǔ)音轉(zhuǎn)換。其中在國(guó)內(nèi)外學(xué)術(shù)界最主流的方法是采用GMM模型,并且在實(shí)驗(yàn)中取得了不錯(cuò)的語(yǔ)音轉(zhuǎn)換效果。但是采用高斯混合模型對(duì)語(yǔ)音進(jìn)行轉(zhuǎn)換的過(guò)程中會(huì)出現(xiàn)過(guò)平滑現(xiàn)象,而且高斯混合模型本質(zhì)上就是一種淺層結(jié)構(gòu)模型。淺層模型都有一個(gè)共同的缺點(diǎn),那就是在模型運(yùn)用不出差錯(cuò)的前提下,特征的好壞
3、直接決定整個(gè)系統(tǒng)性能的好壞,而且其特征的維數(shù)一般只有幾十維,不能充分描述特征之間的相關(guān)性和狀態(tài)空間分布,從而影響轉(zhuǎn)換性能。針對(duì)以上這些問(wèn)題,本文采用STRAIGHT模型和深度信念網(wǎng)絡(luò)相結(jié)合的方法來(lái)實(shí)現(xiàn)語(yǔ)音轉(zhuǎn)換,目前深度信念網(wǎng)絡(luò)主要應(yīng)用在語(yǔ)音識(shí)別方面。首先是利用STRAIGHT算法對(duì)語(yǔ)音進(jìn)行分析以及合成,這樣就避免了傳統(tǒng)方法采用GMM模型實(shí)現(xiàn)語(yǔ)音轉(zhuǎn)換時(shí)出現(xiàn)的過(guò)平滑現(xiàn)象,并且對(duì)于高斯混合模型來(lái)說(shuō),它本質(zhì)上也是一種淺層的結(jié)構(gòu)模型,不能反映語(yǔ)音
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于STRAIGHT模型的語(yǔ)音轉(zhuǎn)換的研究.pdf
- 基于深度信念網(wǎng)絡(luò)的語(yǔ)音情感識(shí)別策略.pdf
- 采用Pitch Target模型與韻律參數(shù)調(diào)整的語(yǔ)音情感轉(zhuǎn)換.pdf
- 基于VQ模型和BP網(wǎng)絡(luò)的高自然度語(yǔ)音轉(zhuǎn)換.pdf
- 深度信念網(wǎng)絡(luò)(DBN)等效模型研究及應(yīng)用.pdf
- 基于高斯混合模型的語(yǔ)音轉(zhuǎn)換方法研究.pdf
- 超幀特征空間下基于深度置信網(wǎng)絡(luò)的語(yǔ)音轉(zhuǎn)換
- 超幀特征空間下基于深度置信網(wǎng)絡(luò)的語(yǔ)音轉(zhuǎn)換.pdf
- 基于深度神經(jīng)網(wǎng)絡(luò)的語(yǔ)音識(shí)別模型研究.pdf
- 采用譜-韻律雙變換的語(yǔ)音情感轉(zhuǎn)換.pdf
- 基于深度信念網(wǎng)絡(luò)的網(wǎng)絡(luò)水軍識(shí)別研究.pdf
- 經(jīng)驗(yàn)?zāi)B(tài)分解及深度信念網(wǎng)絡(luò)在語(yǔ)音識(shí)別中的應(yīng)用研究.pdf
- 基于聽覺(jué)計(jì)算模型和深度神經(jīng)網(wǎng)絡(luò)的雙耳語(yǔ)音分離.pdf
- 基于深度信念網(wǎng)絡(luò)和隱馬爾科夫模型的音樂(lè)自動(dòng)分類算法研究.pdf
- 基于深度信念網(wǎng)絡(luò)的巖性識(shí)別方法研究與實(shí)現(xiàn).pdf
- 基于深度信念網(wǎng)絡(luò)的人臉識(shí)別.pdf
- 采用超音段韻律特征聯(lián)合短時(shí)頻譜的語(yǔ)音轉(zhuǎn)換.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的語(yǔ)音轉(zhuǎn)換.pdf
- 基于深度信念網(wǎng)絡(luò)的故障診斷研究.pdf
- 基于深度信念網(wǎng)絡(luò)的肺結(jié)節(jié)分類研究.pdf
評(píng)論
0/150
提交評(píng)論