基于VQ模型和BP網(wǎng)絡(luò)的高自然度語音轉(zhuǎn)換.pdf

1、說話人語音轉(zhuǎn)換技術(shù)是把源說話人說的語音轉(zhuǎn)換為像是目標說話人所說的語音的技術(shù)。說話人語音轉(zhuǎn)換具有廣泛的應(yīng)用領(lǐng)域，比如文語轉(zhuǎn)換(Text—to-Speech，TTS)系統(tǒng)、配音系統(tǒng)和保密通信等。本文提出了一種基于VQ模型與BP網(wǎng)絡(luò)的高自然度語音轉(zhuǎn)換方法。算法分為三個部分：前兩部分用VQ模型實現(xiàn)了語音的譜包絡(luò)及其激勵的轉(zhuǎn)換，第三部分采用BP算法實現(xiàn)語音的韻律轉(zhuǎn)換規(guī)則建模。算法針對基音周期內(nèi)殘差波形的特點提出了循環(huán)互相關(guān)函數(shù)，有效地實現(xiàn)了殘差波

2、形聚類；針對漢語語音超音段發(fā)音特點進行韻律調(diào)整，有效實現(xiàn)了漢語語音轉(zhuǎn)換并得到高自然度合成語音。本文主要工作包括： (1)基于VQ模型實現(xiàn)了語音的譜包絡(luò)轉(zhuǎn)換。譜包絡(luò)采用20階LPC系數(shù)轉(zhuǎn)換形成的線譜對頻率系數(shù)LSF表示。相對于LPC參數(shù)，LSF具有更好的內(nèi)插特性和量化特性。訓(xùn)練分別得到128個源語音的碼向量和128個目標語音的碼向量和由每一個源語音碼向量到目標語音碼向量的映射碼書，映射碼書就為目標語音向量的線性合成時的加權(quán)系數(shù)。轉(zhuǎn)

3、換后的語音的LSF系數(shù)更接近于目標說話人語音的LSF系數(shù)。 (2)基于VQ模型實現(xiàn)了其激勵的轉(zhuǎn)換。對殘差的轉(zhuǎn)換分為兩階段，一是殘差能量的轉(zhuǎn)換，采用線性轉(zhuǎn)換的方法；二是對殘差波形的轉(zhuǎn)換，采用的方法是基于VQ碼本映射的模型。在殘差波形轉(zhuǎn)換中，定義了循環(huán)互相關(guān)函數(shù)，并以最大互相關(guān)值的相反數(shù)作為波形間的距離測度。轉(zhuǎn)換后的語音殘差信號更多的保留了目標說話人的信息。 (3)采用BP算法實現(xiàn)語音的韻律變換規(guī)則建模。提取源說話人和目標說