語音轉換關鍵技術研究及基于AMR的語音轉換系統(tǒng)設計.pdf

1、語音轉換是一種改變源說話人的語音個性特征，使之聽起來像是從另外一個我們稱為目標說話人的口中說出的語音一樣的技術。語音轉換的基本要求是轉換后的語音具有目標說話人的個性特征，但是并不改變原來說話人語音中的語意內容。雖然語音轉換這個課題的提出已有二十多年的歷史，但真正引起廣泛關注得到快速發(fā)展就在這最近的幾年，可以說語音轉換是語音信號處理的一個新興研究方向，具有重要的理論價值和廣泛的應用價值。本課題主要研究語音轉換系統(tǒng)的基本理論和技術，課題得到

2、江蘇省青藍工程資助。 本文首先基于語音的發(fā)音模型，分析介紹了語音轉換系統(tǒng)的組成架構。詳細介紹了用于語音轉換的特征參數(shù)提取方法，根據(jù)提取的參數(shù)分別介紹了相應的轉換規(guī)則，并且著重介紹了基于GMM模型的語音轉換系統(tǒng)。GMM模型語音轉換系統(tǒng)是近年來被廣泛研究的語音轉換系統(tǒng)，傳統(tǒng)的GMM模型語音轉換系統(tǒng)存在轉換語音共振峰變寬，譜包絡平滑的現(xiàn)象，本文認為主要是因為轉換函數(shù)各個分量不加選擇的全部使用引起的，針對此問題，本文提出一種新的基于鄰近

3、語音概率選擇的Part-GMM語音轉換系統(tǒng)，實驗表明該系統(tǒng)一定程度上改善了傳統(tǒng)GMM模型語音轉換系統(tǒng)存在的問題。 目前流行的AMR語音編解碼系統(tǒng)，是3G移動通信標準WCDMA和TD-SCDMA中的基帶語音編解碼方案，具有成熟的語音特征參數(shù)提取算法。因此本文在第二部分將其作為語音轉換的基本合成模型加以著重研究，在第4章詳細分析介紹了AMR的語音特征參數(shù)提取算法，并且針對AMR提供的雙LSP參數(shù)、VAD信息、固定碼本信息，提出在語音