面向言語(yǔ)工程的語(yǔ)音轉(zhuǎn)換算法研究.pdf

1、語(yǔ)音語(yǔ)料數(shù)據(jù)庫(kù)是語(yǔ)音交互技術(shù)和中文信息處理的基礎(chǔ)。語(yǔ)音識(shí)別系統(tǒng)提高識(shí)別率，語(yǔ)音合成系統(tǒng)產(chǎn)生流暢的自然語(yǔ)音，充足可靠和高質(zhì)量的語(yǔ)音語(yǔ)料庫(kù)是其性能的重要保證。論文主要研究了語(yǔ)音轉(zhuǎn)換中兩個(gè)方面的問(wèn)題。一是如何提高聲音轉(zhuǎn)換系統(tǒng)(個(gè)性化語(yǔ)音合成系統(tǒng))的轉(zhuǎn)換語(yǔ)音的質(zhì)量與目標(biāo)說(shuō)話人身份信息；二是如何將純凈語(yǔ)音轉(zhuǎn)換為具有電話語(yǔ)音特征的新語(yǔ)音。對(duì)于前一個(gè)問(wèn)題，論文主要從頻譜平滑、基頻曲線映射和遺傳神經(jīng)網(wǎng)絡(luò)頻譜映射等聲音轉(zhuǎn)換關(guān)鍵技術(shù)的三個(gè)方面進(jìn)行了研究；對(duì)

2、于后一個(gè)問(wèn)題，主要從模擬電話信道條件方面研究了純凈語(yǔ)音到電話語(yǔ)音的轉(zhuǎn)換方法。論文主要取得了以下幾個(gè)方面的成果： (1)一種基于Sinusoidal參數(shù)的語(yǔ)音頻譜平滑算法論文針對(duì)傳統(tǒng)LPC頻譜平滑算法中將LPC(LinearPredictiveCoding，線性預(yù)測(cè)編碼)參數(shù)和殘差分別進(jìn)行插值而導(dǎo)致平滑后語(yǔ)音質(zhì)量改善不多的問(wèn)題，提出了一種將描述語(yǔ)音頻譜大尺度信息的LP(LinearPredictive，線性預(yù)測(cè))模型參數(shù)與擅長(zhǎng)表現(xiàn)

3、頻譜的細(xì)節(jié)的Sinusoidal模型參數(shù)結(jié)合起來(lái)進(jìn)行語(yǔ)音平滑的新算法。該算法先對(duì)待平滑語(yǔ)音段的LPC參數(shù)進(jìn)行插值，然后以這些插值得到的LPC頻譜包絡(luò)為目標(biāo)，使用Sinusoidal+全極點(diǎn)模型對(duì)待平滑語(yǔ)音段進(jìn)行修改，使修改后的語(yǔ)音，不僅頻譜包絡(luò)擬合目標(biāo)頻譜的形狀，而且同時(shí)保持原語(yǔ)音中的細(xì)節(jié)性信息，從而避免LP平滑中語(yǔ)音音質(zhì)下降的問(wèn)題。實(shí)驗(yàn)結(jié)果顯示，該算法對(duì)于拼接單元頻譜差異較大的情況表現(xiàn)出很好的效果，拼接點(diǎn)處頻譜平滑，語(yǔ)音音質(zhì)較高。

4、 (2)一種基于漢語(yǔ)音節(jié)基頻曲線為單位的聲調(diào)碼本映射模型論文提出了一種基于漢語(yǔ)音節(jié)基頻曲線為單位的聲調(diào)碼本映射模型。該模型以漢語(yǔ)音節(jié)的基頻曲線所表示的聲調(diào)模式作為基頻信息的轉(zhuǎn)換單位，通過(guò)語(yǔ)音切分和對(duì)準(zhǔn)分別提取各語(yǔ)音單元的基頻曲線，用聚類方法分別建立兩個(gè)說(shuō)話人的聲調(diào)碼本。根據(jù)源-目標(biāo)說(shuō)話人語(yǔ)音的時(shí)間對(duì)準(zhǔn)關(guān)系，計(jì)算各聲調(diào)模式的對(duì)應(yīng)統(tǒng)計(jì)值，由此訓(xùn)練一個(gè)漢語(yǔ)聲調(diào)映射碼本。聲音轉(zhuǎn)換的評(píng)估結(jié)果表明聲調(diào)碼本映射模型可以較好地消除孤立基頻值映射關(guān)系

5、的算法上固有的離散性，反映出目標(biāo)語(yǔ)音的局部基頻動(dòng)態(tài)特性，因此能比較準(zhǔn)確地發(fā)現(xiàn)不同說(shuō)話人語(yǔ)音的身份信息對(duì)應(yīng)關(guān)系。在短時(shí)聲學(xué)頻譜特征轉(zhuǎn)換的基礎(chǔ)上，聲調(diào)碼本映射法在漢語(yǔ)聲音轉(zhuǎn)換技術(shù)中增加了轉(zhuǎn)換語(yǔ)音中目標(biāo)說(shuō)話人的身份信息，改善了聲音轉(zhuǎn)換系統(tǒng)的性能。 (3)一種基于模擬電話信道條件的電話語(yǔ)音轉(zhuǎn)換模型論文通過(guò)分析純凈語(yǔ)音在電話信道中形成電話語(yǔ)音的成因后，發(fā)現(xiàn)電話語(yǔ)音的形成是電話信道中各種因素共同作用的結(jié)果，從而提出了一種由純凈語(yǔ)音向電話質(zhì)量

6、語(yǔ)音轉(zhuǎn)換的電話語(yǔ)音轉(zhuǎn)換模型。轉(zhuǎn)換模型采用濾波器技術(shù)來(lái)模擬電話線路連接中各種模擬傳輸設(shè)備頻率響應(yīng)特性，并對(duì)電話信道環(huán)境中各種噪音行為和其他電話語(yǔ)音現(xiàn)象進(jìn)行了仿真。頻譜失真分析和MLLR(MaximalLikelihoodLinearRegression，最大似然線性回歸)自適應(yīng)識(shí)別實(shí)驗(yàn)表明，通過(guò)模型參數(shù)的合理設(shè)置和調(diào)整，該模型能有效地實(shí)現(xiàn)純凈語(yǔ)音向電話質(zhì)量語(yǔ)音的模擬轉(zhuǎn)換，由純凈語(yǔ)音轉(zhuǎn)換生成的模擬語(yǔ)音減小了訓(xùn)練語(yǔ)音和測(cè)試語(yǔ)音聲學(xué)性質(zhì)的不匹配