多參數(shù)驅動的年齡語音轉換系統(tǒng).pdf

1、語音轉換是指在不改變源說話人語音的語義的情況下，通過改變其語音的個性特征，使轉換后的語音具有目標說話人的個性特征，從而使得轉換后的語音聽起來與目標說話人的語音很像。年齡語音轉換是語音轉換中的一種，是指改變說話人語音的年齡信息，使之聽起來像該說話人目標年齡時的語音。本文重點研究基于說話人語音特征的個性化年齡語音轉換問題，實際構建了由說話人語音特征參數(shù)驅動的年齡語音轉換系統(tǒng)。
　　論文的主要工作和創(chuàng)新點如下:
　　(1)利用從互

2、聯(lián)網(wǎng)上搜集到的一位男性和一位女性在不同年齡段錄制的語料，建立了一個小型的年齡語音數(shù)據(jù)庫。其中，男性語料共176句，涵蓋了該男性12歲、18歲和23歲三個年齡段的錄制語音;女性語音資料共85句，包括該女性在12歲和20歲兩個年齡段錄制的語音。每句語音的長度在5-10s之間。
　　(2)針對基于線性預測編碼(LPC)的語音共振峰提取算法不能很好處理合并峰和虛假峰，導致所提取的共振峰頻率欠準確的問題，提出了一種改進的極點交叉線性預測算法

3、。這個算法是通過修改共振峰極點半徑，達到減小由極點交叉引起的誤差，從而提高共振峰頻率估計的準確度的目的。
　　(3)眾所周知，聲道長度的不同是導致同一說話人不同年齡段的語音聽起來存在差異的一個重要因素。為了保證測試語音經(jīng)年齡語音轉換后的輸出與目標年齡段的語音聽起來很像，聲道長度對齊是必不可少的技術。本文分析研究了聲道長度對齊技術中的頻率轉換因子估計和頻率彎折函數(shù)選取兩個核心問題，構建了用于年齡語音轉換目的的頻譜轉換模型。在此基礎上