面向言語工程的語音轉(zhuǎn)換算法研究.pdf

1、語音語料數(shù)據(jù)庫是語音交互技術(shù)和中文信息處理的基礎(chǔ)。語音識別系統(tǒng)提高識別率，語音合成系統(tǒng)產(chǎn)生流暢的自然語音，充足可靠和高質(zhì)量的語音語料庫是其性能的重要保證。論文主要研究了語音轉(zhuǎn)換中兩個方面的問題。一是如何提高聲音轉(zhuǎn)換系統(tǒng)(個性化語音合成系統(tǒng))的轉(zhuǎn)換語音的質(zhì)量與目標(biāo)說話人身份信息；二是如何將純凈語音轉(zhuǎn)換為具有電話語音特征的新語音。對于前一個問題，論文主要從頻譜平滑、基頻曲線映射和遺傳神經(jīng)網(wǎng)絡(luò)頻譜映射等聲音轉(zhuǎn)換關(guān)鍵技術(shù)的三個方面進行了研究；對

2、于后一個問題，主要從模擬電話信道條件方面研究了純凈語音到電話語音的轉(zhuǎn)換方法。論文主要取得了以下幾個方面的成果： (1)一種基于Sinusoidal參數(shù)的語音頻譜平滑算法論文針對傳統(tǒng)LPC頻譜平滑算法中將LPC(LinearPredictiveCoding，線性預(yù)測編碼)參數(shù)和殘差分別進行插值而導(dǎo)致平滑后語音質(zhì)量改善不多的問題，提出了一種將描述語音頻譜大尺度信息的LP(LinearPredictive，線性預(yù)測)模型參數(shù)與擅長表現(xiàn)

3、頻譜的細節(jié)的Sinusoidal模型參數(shù)結(jié)合起來進行語音平滑的新算法。該算法先對待平滑語音段的LPC參數(shù)進行插值，然后以這些插值得到的LPC頻譜包絡(luò)為目標(biāo)，使用Sinusoidal+全極點模型對待平滑語音段進行修改，使修改后的語音，不僅頻譜包絡(luò)擬合目標(biāo)頻譜的形狀，而且同時保持原語音中的細節(jié)性信息，從而避免LP平滑中語音音質(zhì)下降的問題。實驗結(jié)果顯示，該算法對于拼接單元頻譜差異較大的情況表現(xiàn)出很好的效果，拼接點處頻譜平滑，語音音質(zhì)較高。

4、 (2)一種基于漢語音節(jié)基頻曲線為單位的聲調(diào)碼本映射模型論文提出了一種基于漢語音節(jié)基頻曲線為單位的聲調(diào)碼本映射模型。該模型以漢語音節(jié)的基頻曲線所表示的聲調(diào)模式作為基頻信息的轉(zhuǎn)換單位，通過語音切分和對準(zhǔn)分別提取各語音單元的基頻曲線，用聚類方法分別建立兩個說話人的聲調(diào)碼本。根據(jù)源-目標(biāo)說話人語音的時間對準(zhǔn)關(guān)系，計算各聲調(diào)模式的對應(yīng)統(tǒng)計值，由此訓(xùn)練一個漢語聲調(diào)映射碼本。聲音轉(zhuǎn)換的評估結(jié)果表明聲調(diào)碼本映射模型可以較好地消除孤立基頻值映射關(guān)系

5、的算法上固有的離散性，反映出目標(biāo)語音的局部基頻動態(tài)特性，因此能比較準(zhǔn)確地發(fā)現(xiàn)不同說話人語音的身份信息對應(yīng)關(guān)系。在短時聲學(xué)頻譜特征轉(zhuǎn)換的基礎(chǔ)上，聲調(diào)碼本映射法在漢語聲音轉(zhuǎn)換技術(shù)中增加了轉(zhuǎn)換語音中目標(biāo)說話人的身份信息，改善了聲音轉(zhuǎn)換系統(tǒng)的性能。 (3)一種基于模擬電話信道條件的電話語音轉(zhuǎn)換模型論文通過分析純凈語音在電話信道中形成電話語音的成因后，發(fā)現(xiàn)電話語音的形成是電話信道中各種因素共同作用的結(jié)果，從而提出了一種由純凈語音向電話質(zhì)量

6、語音轉(zhuǎn)換的電話語音轉(zhuǎn)換模型。轉(zhuǎn)換模型采用濾波器技術(shù)來模擬電話線路連接中各種模擬傳輸設(shè)備頻率響應(yīng)特性，并對電話信道環(huán)境中各種噪音行為和其他電話語音現(xiàn)象進行了仿真。頻譜失真分析和MLLR(MaximalLikelihoodLinearRegression，最大似然線性回歸)自適應(yīng)識別實驗表明，通過模型參數(shù)的合理設(shè)置和調(diào)整，該模型能有效地實現(xiàn)純凈語音向電話質(zhì)量語音的模擬轉(zhuǎn)換，由純凈語音轉(zhuǎn)換生成的模擬語音減小了訓(xùn)練語音和測試語音聲學(xué)性質(zhì)的不匹配