約束條件下的結(jié)構(gòu)化統(tǒng)計(jì)聲學(xué)模型及非平行語料語音轉(zhuǎn)換.pdf

1、語音轉(zhuǎn)換是指將A說話人的語音進(jìn)行轉(zhuǎn)換并使其聽起來像B說話人的語音，且保持語義內(nèi)容不變的一種技術(shù)。傳統(tǒng)的說話人語音轉(zhuǎn)換方法大多基于平行語料，通過對平行訓(xùn)練語料的聯(lián)合訓(xùn)練得到短時(shí)譜轉(zhuǎn)換函數(shù)。但由于實(shí)際情況的限制，完全平行的高質(zhì)量訓(xùn)練語料是非常難以獲得有時(shí)甚至是不可能獲得的，并且聯(lián)合訓(xùn)練計(jì)算量大，故平行語料語音轉(zhuǎn)換的發(fā)展受到限制。本文提出約束條件下結(jié)構(gòu)化高斯混合模型并將其應(yīng)用于非平行語料語音轉(zhuǎn)換。首先，從源與目標(biāo)說話人的非平行語料中提取出少量

2、相同音節(jié)，在結(jié)構(gòu)化高斯混合模型（SGMM：Structure Gaussian Mixture Model）的訓(xùn)練過程中，利用這些相同音節(jié)包含的語義信息及聲學(xué)特征對應(yīng)關(guān)系對K均值聚類中心進(jìn)行約束，并在期望最大化迭代過程中對語音幀屬于某高斯分量的后驗(yàn)概率進(jìn)行修正，訓(xùn)練出基于約束的結(jié)構(gòu)化高斯混合模型。然后，根據(jù)全局聲學(xué)結(jié)構(gòu)原理，利用模型快速匹配算法對源和目標(biāo)說話人的約束條件下的結(jié)構(gòu)化高斯混合模型的高斯分布進(jìn)行匹配對準(zhǔn)，得到短時(shí)譜轉(zhuǎn)換函數(shù)。主

3、觀及客觀評價(jià)實(shí)驗(yàn)結(jié)果表明，在轉(zhuǎn)換后語音與目標(biāo)語音之間的譜失真，轉(zhuǎn)換后語音的目標(biāo)傾向性和轉(zhuǎn)換后語音的質(zhì)量等方面，使用本文提出的轉(zhuǎn)換方法優(yōu)于傳統(tǒng)的結(jié)構(gòu)化語音轉(zhuǎn)換方法，轉(zhuǎn)換系統(tǒng)的性能也與基于平行語料的語音轉(zhuǎn)換方法的性能更為接近。
　　本研究主要內(nèi)容包括：⑴通過對高斯混合模型（GMM：Gaussian Mixture Model）的理解和分析，將GMM應(yīng)用于平行語料語音轉(zhuǎn)換系統(tǒng)，對其轉(zhuǎn)換性能進(jìn)行評價(jià)并指出該方法的特點(diǎn)及存在的問題。⑵深入研