基于分段的說(shuō)話人語(yǔ)音轉(zhuǎn)換技術(shù)的研究.pdf

1、隨著語(yǔ)音信號(hào)處理技術(shù)的不斷發(fā)展和人們對(duì)人工智能的不斷追求,說(shuō)話人語(yǔ)音轉(zhuǎn)換技術(shù)成為了一個(gè)新的研究課題.說(shuō)話人語(yǔ)音轉(zhuǎn)換技術(shù)是把源說(shuō)話人說(shuō)的語(yǔ)音轉(zhuǎn)換為象是目標(biāo)說(shuō)話人說(shuō)的語(yǔ)音的技術(shù).說(shuō)話人語(yǔ)音轉(zhuǎn)換具有廣泛的應(yīng)用領(lǐng)域,比如文語(yǔ)轉(zhuǎn)換(Text—to—Speech,TTS)系統(tǒng)、配音系統(tǒng)和翻譯系統(tǒng)等.該文提出了一種基于分段的說(shuō)話人語(yǔ)音轉(zhuǎn)換方法,這種方法適用于單語(yǔ)種和跨語(yǔ)種的說(shuō)話人語(yǔ)音轉(zhuǎn)換,該文主要工作包括:(1)在基于分段的說(shuō)話人語(yǔ)音轉(zhuǎn)換中,訓(xùn)練語(yǔ)句

2、和轉(zhuǎn)換語(yǔ)句需要進(jìn)行切分.為了完成對(duì)語(yǔ)句的切分,該文采用隱馬爾可夫模型的方法,利用HTK工具包分別實(shí)現(xiàn)了特定人語(yǔ)音切分系統(tǒng)和非特定人語(yǔ)音切分系統(tǒng).(2)該文提出了一種基于分段的說(shuō)話人語(yǔ)音轉(zhuǎn)換方法.和以往的方法比較,這種基于分段的說(shuō)話人語(yǔ)音轉(zhuǎn)換不要求源說(shuō)話人和目標(biāo)說(shuō)話人是同樣的訓(xùn)練語(yǔ)句,所以同時(shí)適用于單語(yǔ)種和跨語(yǔ)種的說(shuō)話人語(yǔ)音轉(zhuǎn)換.在這種基于分段的說(shuō)話人語(yǔ)音轉(zhuǎn)換中,該文采用"pitch+mel倒譜+MLSA濾波器"語(yǔ)音編碼器,提出了一種基于

3、修改mel倒譜和基音周期參數(shù)的說(shuō)話人語(yǔ)音轉(zhuǎn)換方法.在對(duì)頻譜的轉(zhuǎn)換中,先對(duì)每段基本語(yǔ)音的mel倒譜參數(shù)訓(xùn)練高斯混合模型,求出一個(gè)轉(zhuǎn)換函數(shù),然后用轉(zhuǎn)換函數(shù)對(duì)mel倒譜參數(shù)進(jìn)行轉(zhuǎn)換.而基音周期的轉(zhuǎn)換則采用一個(gè)全局的轉(zhuǎn)換公式,對(duì)基音周期的數(shù)值和范圍進(jìn)行修改.(3)該文運(yùn)用所提出的基于分段的說(shuō)話人語(yǔ)音轉(zhuǎn)換方法實(shí)現(xiàn)了單語(yǔ)種(英語(yǔ))說(shuō)話人的轉(zhuǎn)換.在單語(yǔ)種(英語(yǔ))說(shuō)話人語(yǔ)音轉(zhuǎn)換中,采用的語(yǔ)音段庫(kù)是41個(gè)單音素庫(kù)(包括一個(gè)靜音).通過(guò)分析元音轉(zhuǎn)換前后的F

4、FT頻譜,該文得出結(jié)論:轉(zhuǎn)換后的語(yǔ)音的FFT頻譜更接近于目標(biāo)說(shuō)話人語(yǔ)音的FFT頻譜.而且,通過(guò)主觀聽(tīng)覺(jué)判斷,轉(zhuǎn)換后的語(yǔ)音更象是目標(biāo)說(shuō)話人的語(yǔ)音.因此說(shuō)明這種基于分段的單語(yǔ)種(英語(yǔ))轉(zhuǎn)換是有效的.(4)為了實(shí)現(xiàn)跨語(yǔ)種(中英)說(shuō)話人語(yǔ)音轉(zhuǎn)換,該文研究了中英文的語(yǔ)言特點(diǎn),特別是兩種語(yǔ)言的單音素之間的異同點(diǎn).通過(guò)比較,發(fā)現(xiàn)英文中大部分英語(yǔ)音素可以在中文中找到相對(duì)應(yīng)的音素,有小部分的英文音素找不到中文對(duì)應(yīng)的音素.為了實(shí)現(xiàn)這小部分中英文不對(duì)應(yīng)的音素