基于參數(shù)修改的中文歌聲合成算法的研究.pdf

1、語音合成技術(shù)是人機(jī)交互領(lǐng)域的一個重要研究內(nèi)容,而作為語音合成分支的歌聲合成近年來也成為了研究熱點(diǎn)。為了實(shí)現(xiàn)中文歌聲的合成,本文將文語轉(zhuǎn)換(Text To Speech, TTS)技術(shù)與語音修改技術(shù)相結(jié)合,分析對比了語音和歌聲的語音差異,建立了旋律控制模型和高斯頻譜模型,實(shí)現(xiàn)了一個音色可變的中文歌詞到歌曲的轉(zhuǎn)換系統(tǒng)。
　　論文的研究結(jié)果對于揭示語音與歌聲之間的內(nèi)在差異、實(shí)現(xiàn)歌聲的合成具有重要的理論意義。論文實(shí)現(xiàn)的系統(tǒng)可以應(yīng)用于娛樂場

2、所和音樂創(chuàng)作領(lǐng)域,能夠提高音樂合成的娛樂性和趣味性。論文的主要創(chuàng)新和工作如下:
　　1.對比分析了語音和歌聲在聲學(xué)特征方面的差異。語音和歌聲都是由相同的發(fā)音器官產(chǎn)生,但在感知上差異很大。論文通過大量實(shí)驗(yàn)分析了二者的差異所在。語音注重傳遞內(nèi)容,歌聲注重傳遞情感。歌聲的諧波比語音豐富,許多高次諧波仍然具有較高能量,且基頻和各次諧波的走勢是近似平穩(wěn)的,它們的走勢與語音的音調(diào)相關(guān)。
　　2.建立了一種歌聲的旋律控制模型。根據(jù)語音和歌

3、聲在基頻上的差異,主要針對顫音建立了基頻修改模型,并通過旋律控制模型對語音信號的聲學(xué)特征進(jìn)行修改,實(shí)現(xiàn)歌詞到歌聲的轉(zhuǎn)換。MOS評測結(jié)果表明,音色轉(zhuǎn)換前的合成歌曲的平均MOS得分在3.29以上。
　　3.提出了一種基于高斯混合模型(Gaussian Mixture Model, GMM)的歌聲頻譜建模方法。利用GMM進(jìn)行STRAIGHT譜的建模,從而實(shí)現(xiàn)合成歌聲的音色轉(zhuǎn)換。ABX測試結(jié)果表明,混合比例因子k=0或1時(shí),正確率均為10