采用Pitch Target模型與韻律參數(shù)調(diào)整的語音情感轉(zhuǎn)換.pdf

1、人的語音不僅包含了語言信息，也包含了超語言信息。語言信息，即人們所說的文本內(nèi)容的涵義。而超語言信息，與人的態(tài)度和情感有很大的關(guān)系。人的語音攜帶了喜怒哀樂等各種情感信息，同樣的文本內(nèi)容可以用不同的語調(diào)，不同的重音，不同的聲調(diào)來表達(dá)不同的情感，從而給人不同的感受。因此，情感是語音重要的組成部分，對情感語音進(jìn)行研究具有非常重要的現(xiàn)實意義。
　　 語音情感轉(zhuǎn)換就是對同一個說話人的源語音信號進(jìn)行韻律參數(shù)和頻譜轉(zhuǎn)換，使其具有目標(biāo)情感的韻律特

2、征，再將其合成出目標(biāo)情感的語音。
　　 為了使語音能夠合成出目標(biāo)情感狀態(tài)，本文提出了一種基于PitchTarget模型與韻律參數(shù)調(diào)整的語音情感轉(zhuǎn)換方法。針對高興、憤怒、悲傷和中立這4種不同情感建立了基于音節(jié)的PitchTarget模型的參數(shù)庫，在此基礎(chǔ)上對語音情感韻律特征進(jìn)行建模，得出中性語音轉(zhuǎn)換成其他情感語音的轉(zhuǎn)換函數(shù)；再根據(jù)分析語音庫中情感語音的韻律特征參數(shù)，對轉(zhuǎn)換后的情感語音韻律參數(shù)進(jìn)行修改，最后運用STRAIGHT模型合

3、成出含情感色彩的語音。
　　 主要內(nèi)容如下：
　　 (1)從情感語音轉(zhuǎn)換的需求出發(fā)，對PitchTarget模型進(jìn)行了改進(jìn)。用基音輪廓的第一個值插入代表基音輪廓的等式來代替原參數(shù)β，將基音輪廓的最后一值代入target等式，代替a或者b，使得參數(shù)的求取更加簡便。這個求取過程是在一個音節(jié)上進(jìn)行的。因此，每一個音節(jié)關(guān)聯(lián)一個基音目標(biāo)。
　　 (2)實現(xiàn)了基于PitchTarget模型與韻律參數(shù)調(diào)整的語音情感轉(zhuǎn)換方案。通

4、過對基于PitchTarget模型的四種參數(shù)進(jìn)行基于GMM的聯(lián)合建模，生成轉(zhuǎn)換函數(shù)，將源語音的聲調(diào)改變成目標(biāo)情感的聲調(diào)。并對改變后的基音頻率進(jìn)行了時長，幅值等的修改，使其與目標(biāo)語音情感更接近。
　　 (3)在對情感語音進(jìn)行韻律參數(shù)的調(diào)整的過程中，分別對語音信號的時長，能量以及基頻幅值等進(jìn)行了修改。時域上，對語音信號的短時能量進(jìn)行了一定比例的修改。頻域上，信號時長的修改采用了線性插值抽取的方法，對基音頻率和頻譜對應(yīng)的采樣點分別進(jìn)行