優(yōu)化自適應非平行訓練語音轉換算法研究.pdf

1、語音轉換（VC：Voice Conversion）是指在保持語義內(nèi)容不變的前提下，改變說話人的個性特征，使源說話人的語音在經(jīng)過變換后聽起來像是目標說話人說的一樣。傳統(tǒng)的語音轉換方法大都采用平行語料訓練源-目標說話人聯(lián)合語音模型并由此推導相應的語音轉換規(guī)則，但實際應用中不僅難以得到完全平行的語料，而且訓練聯(lián)合語音模型需要消耗大量的計算、系統(tǒng)擴展不方便。本文提出了一種全新的非平行語料訓練的語音轉換算法，首先利用STRAIGHT提取基頻和短時

2、譜，從短時譜獲得相應的LPCC特征參數(shù)，然后對所有的特征參數(shù)進行通用背景模型（UBM：Universal Background Model）訓練，再利用最大后驗概率（MAP:Maximum a Posterior Probability）自適應方法導出具體的說話人模型，最終得到相應的轉換規(guī)則進行語音轉換。ABX和MOS等實驗表明可以得到與傳統(tǒng)的平行語料聯(lián)合訓練方法接近的轉換性能。實驗結果充分說明了本文提出的方法不僅具有較好的轉換性能，而

3、且具有很好的系統(tǒng)擴展性。
　　本課題的研究內(nèi)容主要包括以下幾個方面：
　　1.語音轉換的個性特征參數(shù)分析，包括聲道參數(shù)與韻律參數(shù)等，如基音頻率，短時譜參數(shù)，時長等。
　　2.實現(xiàn)了傳統(tǒng)的采用高斯混合模型（GMM：Gaussian Mixture Model）實現(xiàn)的語音轉換系統(tǒng)，分析了傳統(tǒng)的方法的特點與存在的問題。
　　3.基于非平行語料，提出了優(yōu)化自適應非平行訓練的語音轉換方法，解決了傳統(tǒng)轉換方法存在的主要問題。