語聲轉換系統(tǒng)的關鍵技術研究.pdf

1、在現代語音通信中，說話人的個性特征信息越來越得到了人們的重視，在通信中發(fā)揮著重要的作用，比如人們僅僅通過聲音就可以清楚地辨別出對方，可以說聲音是一個人的“語音名片”。語聲轉換是一種以說話人個性特征為主要研究對象的新興的語音技術，它的目標是改變源說話人語音中的個性特征信息，使之具有目標說話人的個性特征，從而轉換后的語音聽起來就像是目標說話人的聲音一樣，而其中的語義信息保持不變。隨著語音產品在現代社會中的日益推廣和普及，語聲轉換技術也將有著

2、越來越廣泛的應用，它的研究與發(fā)展也日益受到國內外學者的廣泛關注。一個有效的語聲轉換系統(tǒng)不僅要具有良好的轉換性能，同時也必須要有較高的語音質量。影響語音說話人個性特征的因素非常復雜，但反映聲道特性的譜包絡是其中最為重要的影響因素。在語聲轉換系統(tǒng)中。譜包絡特征參數的轉換過程是系統(tǒng)的核心模塊。本文以語聲轉換中的譜包絡特征參數的轉換為主要研究目標，圍繞這一目標，做了如下幾方面的工作和貢獻。 論文首先通過語聲轉換系統(tǒng)的重大的應用價值和重要

3、的應用實例來闡述本文研究的出發(fā)點，接著簡要介紹了當前語聲轉換的一些主要算法，并對各種算法進行了分析和比較。為了能夠對語聲轉換技術有一個較為深入的理解，還介紹了語聲轉換系統(tǒng)的基本原理以及一些相關的語音信號處理背景知識。 提出了一種基于典型相關分析(CCA)的譜包絡轉換算法。CCA是一種統(tǒng)計分析方法，它能夠很好地描述兩個多維向量空間的線性相關信息。在該算法中，首先利用動態(tài)時間規(guī)整(DTW)方法對由源說話人特征參數和目標說話人特征參數

4、進行對齊，形成聯合特征參數空間，接著使用高斯混合模型(GMM)對該空間進行建模。在GMM的每個子空間里，采用CCA來估計源說話人特征參數與目標說話人特征參數之間的映射關系，從而得到每個子空間內的轉換函數，最后根據源說話人特征參數在各子空間中的后驗概率對各個轉換函數進行加權求和，得到整個空間的特征參數轉換函數。實驗結果表示，該算法的轉換效果要好于基于最小均方誤差估計(MMSE)的轉換算法。 CCA轉換算法中的轉換函數式是加權求均值

5、的形式，這種對頻譜進行加權求平均的操作會使得語音的共振峰特性弱化，譜包絡形狀過于平滑。另外，在進行轉換時，是對每幀語音進行處理，沒有考慮到幀間的相關信息。這些都會降低轉換后語音的質量，為了減少這些影響，本文采用維特比算法對CCA轉換系統(tǒng)進行改進。在改進的算法中，用GMM對目標說話人特征參數進行分類，繼而得到一個特征參數的轉移概率矩陣，該轉移概率矩陣用于表示語音幀間的相關信息。采用由轉移概率和源說話人特征參數的后驗概率所構成的函數作為優(yōu)化

6、目標，用維特比算法搜索最佳路徑時，從而在整體上為待轉換語句的每幀語音尋找最優(yōu)的子空間轉換函數，這樣每幀語音就是單一形式的轉換函數。 當前的語聲轉換算法基本上都是建立在對稱語音庫的情況下，它要求源說話人和目標說話人錄制語句內容相同的語音。但在有些應用場合，并沒有這樣的語音庫，為了解決這個問題，提出了一種基于混合線性變換(Ms-LT)的轉換算法。Ms-LT算法沿用了上述線性遞歸變換形式的轉換函數式，在源說話人特征參數的每個GMM子空