采用譜-韻律雙變換的語(yǔ)音情感轉(zhuǎn)換.pdf

1、除了語(yǔ)義信息，人類(lèi)語(yǔ)音還傳達(dá)著情感信息，同一句話(huà)傳達(dá)的信息可能會(huì)因?yàn)榍楦械牟煌煌?，語(yǔ)音情感轉(zhuǎn)換即是在保持語(yǔ)義不變的基礎(chǔ)上，將一種情感轉(zhuǎn)換成另一種情感，具有深遠(yuǎn)的應(yīng)用意義。
　　本文基于EMO-DB和DES兩大公開(kāi)情感語(yǔ)音庫(kù)對(duì)情感語(yǔ)音特征進(jìn)行分析，并針對(duì)譜特征和韻律特征是情感特征的兩大關(guān)鍵因素，提出了譜-韻律雙變換的語(yǔ)音情感轉(zhuǎn)換，彌補(bǔ)了傳統(tǒng)語(yǔ)音情感轉(zhuǎn)換只著重于轉(zhuǎn)換其中一種特征的不足。
　　在譜特征轉(zhuǎn)換階段，通過(guò)分析不同譜特

2、征參數(shù)和譜特征轉(zhuǎn)換模型優(yōu)缺點(diǎn)，本文選用GMM(Gaussian Mixture Model)作為模型，LSF(Line Spectrum Frequency)作為譜特征參數(shù)進(jìn)行轉(zhuǎn)換，基于STRAIGHT平臺(tái)合成情感語(yǔ)音。在韻律特征轉(zhuǎn)換部分，不同于以句子為單元分析韻律的傳統(tǒng)方法，本文針對(duì)語(yǔ)音信號(hào)韻律特征的時(shí)變性，提出了PTR(Prosody Transformation Rule)算法對(duì)多種韻律特征（包括時(shí)長(zhǎng)、音強(qiáng)和基頻）進(jìn)行局部分析轉(zhuǎn)換

3、以提高轉(zhuǎn)換效果。同時(shí)針對(duì)重音能加強(qiáng)憤怒語(yǔ)音的情感，而基頻對(duì)重音的影響最大的情感分析結(jié)果，本文在PTR基礎(chǔ)上進(jìn)行改進(jìn)，提出PTR結(jié)合單高斯的算法來(lái)調(diào)整憤怒語(yǔ)音的局部基頻從而達(dá)到憤怒語(yǔ)音帶重音轉(zhuǎn)換的效果。
　　本文對(duì)轉(zhuǎn)換后的情感語(yǔ)音做了基于ABX和MOS的主觀評(píng)測(cè)，評(píng)分結(jié)果表明本文提出的方法達(dá)到了很好的語(yǔ)音情感轉(zhuǎn)換效果，帶重音轉(zhuǎn)換的憤怒語(yǔ)音情感相對(duì)得到提高，同時(shí)本文通過(guò)采用支持向量機(jī)對(duì)轉(zhuǎn)換后的語(yǔ)音自動(dòng)分類(lèi)來(lái)進(jìn)行客觀評(píng)測(cè)，評(píng)測(cè)結(jié)果達(dá)到了