基于人工神經(jīng)網(wǎng)絡(luò)模型的說話人轉(zhuǎn)換算法研究.pdf

1、說話人轉(zhuǎn)換是通過將一個說話人（源說話人）的語音個性特征轉(zhuǎn)換成另一個說話人（目標說話人）的語音個性特征，而保持說話內(nèi)容和情感特征不變的一門技術(shù)。經(jīng)過轉(zhuǎn)換后得到的聲音要聽起來像目標說話人的聲音，同時保持源說話人的說話內(nèi)容及情感特征不變。該技術(shù)具有重要的理論研究價值和良好的應(yīng)用前景。本文主要圍繞說話人轉(zhuǎn)換中的基頻軌跡轉(zhuǎn)換和頻譜包絡(luò)參數(shù)轉(zhuǎn)換這兩項關(guān)鍵技術(shù)進行研究，主要工作和創(chuàng)新如下：
　　 （1）對目前已有的基頻軌跡轉(zhuǎn)換算法進行實驗研究

2、比較，發(fā)現(xiàn)目前的轉(zhuǎn)換算法大多是簡單的線性變換，而事實上兩個說話人之間的基頻軌跡是非線性映射關(guān)系。針對傳統(tǒng)轉(zhuǎn)換算法存在的問題（采用線性變換實現(xiàn)基頻轉(zhuǎn)換），提出基于RBF 神經(jīng)網(wǎng)絡(luò)的基頻軌跡轉(zhuǎn)換算法，通過將基頻軌跡分成等長的數(shù)據(jù)段，再分別對其進行建模，找出源和目標之間的映射規(guī)則，從而實現(xiàn)基頻軌跡的轉(zhuǎn)換。主客觀測試表明：該算法既提高了特征參數(shù)轉(zhuǎn)換的精確性，也增強了合成語音的自然度。
　　 （2）傳統(tǒng)的說話人轉(zhuǎn)換算法都是將音段信息參數(shù)和

3、超音段信息參數(shù)獨立開來，分別進行轉(zhuǎn)換，最后再一起合成轉(zhuǎn)換語音。而越來越多的研究表明，兩者之間隱藏著很大的關(guān)聯(lián)性，可以從一個參數(shù)中提取出另一個參數(shù)的信息，將其獨立開來分別轉(zhuǎn)換的方法，勢必會破壞兩者之間的聯(lián)系，影響轉(zhuǎn)換后的效果。針對這一問題，提出將頻譜信息參數(shù)和基音頻率參數(shù)結(jié)合起來，組成短時聯(lián)合譜參數(shù)，一起作為特征參數(shù)進行訓練和轉(zhuǎn)換。實驗證明：改進后的轉(zhuǎn)換效果均優(yōu)于同等條件下的傳統(tǒng)算法。
　　 （3）通過對傳統(tǒng)神經(jīng)網(wǎng)絡(luò)用于說話人轉(zhuǎn)換