特定目標說話人的語音轉換系統(tǒng)設計.pdf

1、語音轉換是保存某一個說話人（源說話人）的內容不變，同時把說話特征向指定的一個說話人（目標說話人）進行轉換。而對于語音的轉換在許多方面已經有相應的應用，因而對語音的轉換效果的要求也是越來越高。在語音轉換中效果較好的方法有高斯混合模型（Gaussian Mixture Model, GMM）。雖然該方法比其它方法效果更好，但是該方法的效果還達不到另人滿意的程度。因此，對現(xiàn)有的語音轉換方法的效果進行改進顯得尤為重要。
　　本文主要任務是

2、改善轉換語音的質量與目標傾向性，在討論和研究該基本算法的基礎上，對語音轉換中的訓練部分與轉換部分進行了相應的改進。具體的工作與創(chuàng)新如下：
　　1.本文對發(fā)聲的聲道模型、各種語音轉換技術、GMM、基頻轉換、特征提取和評價方法等方面進行了研究。在此基礎上實現(xiàn)了基于 GMM的語音轉換系統(tǒng)。同時，在該語音轉換上提出了對時間對齊部分的兩點改進。這兩點改進是語音首尾有聲端點檢測與改進的動態(tài)時間規(guī)劃（Improved Dynamic T ime

3、 Warping, IDTW）。最終實驗結果表明，該基于 GMM的語音轉換系統(tǒng)可以把源語音的特征向目標語音的特征進行轉換。
　　2.傳統(tǒng)方法的轉換部分都是逐幀進行轉換的，這種方法很容易導致相鄰幀之間的信息缺失。針對信息缺失的問題，文中加入相鄰特征（Adjacent Feature, AF）的改進。最終增加了相鄰幀之間的關聯(lián)性并提高了轉換語音的自然度。
　　3.語音是時變且非平穩(wěn)的，傳統(tǒng)的語音轉換的準確性較差。針對特征參數(shù)轉換