采用Pitch Target模型與韻律參數(shù)調(diào)整的語(yǔ)音情感轉(zhuǎn)換.pdf

1、人的語(yǔ)音不僅包含了語(yǔ)言信息，也包含了超語(yǔ)言信息。語(yǔ)言信息，即人們所說(shuō)的文本內(nèi)容的涵義。而超語(yǔ)言信息，與人的態(tài)度和情感有很大的關(guān)系。人的語(yǔ)音攜帶了喜怒哀樂(lè)等各種情感信息，同樣的文本內(nèi)容可以用不同的語(yǔ)調(diào)，不同的重音，不同的聲調(diào)來(lái)表達(dá)不同的情感，從而給人不同的感受。因此，情感是語(yǔ)音重要的組成部分，對(duì)情感語(yǔ)音進(jìn)行研究具有非常重要的現(xiàn)實(shí)意義。
　　 語(yǔ)音情感轉(zhuǎn)換就是對(duì)同一個(gè)說(shuō)話人的源語(yǔ)音信號(hào)進(jìn)行韻律參數(shù)和頻譜轉(zhuǎn)換，使其具有目標(biāo)情感的韻律特

2、征，再將其合成出目標(biāo)情感的語(yǔ)音。
　　 為了使語(yǔ)音能夠合成出目標(biāo)情感狀態(tài)，本文提出了一種基于PitchTarget模型與韻律參數(shù)調(diào)整的語(yǔ)音情感轉(zhuǎn)換方法。針對(duì)高興、憤怒、悲傷和中立這4種不同情感建立了基于音節(jié)的PitchTarget模型的參數(shù)庫(kù)，在此基礎(chǔ)上對(duì)語(yǔ)音情感韻律特征進(jìn)行建模，得出中性語(yǔ)音轉(zhuǎn)換成其他情感語(yǔ)音的轉(zhuǎn)換函數(shù)；再根據(jù)分析語(yǔ)音庫(kù)中情感語(yǔ)音的韻律特征參數(shù)，對(duì)轉(zhuǎn)換后的情感語(yǔ)音韻律參數(shù)進(jìn)行修改，最后運(yùn)用STRAIGHT模型合

3、成出含情感色彩的語(yǔ)音。
　　 主要內(nèi)容如下：
　　 (1)從情感語(yǔ)音轉(zhuǎn)換的需求出發(fā)，對(duì)PitchTarget模型進(jìn)行了改進(jìn)。用基音輪廓的第一個(gè)值插入代表基音輪廓的等式來(lái)代替原參數(shù)β，將基音輪廓的最后一值代入target等式，代替a或者b，使得參數(shù)的求取更加簡(jiǎn)便。這個(gè)求取過(guò)程是在一個(gè)音節(jié)上進(jìn)行的。因此，每一個(gè)音節(jié)關(guān)聯(lián)一個(gè)基音目標(biāo)。
　　 (2)實(shí)現(xiàn)了基于PitchTarget模型與韻律參數(shù)調(diào)整的語(yǔ)音情感轉(zhuǎn)換方案。通

4、過(guò)對(duì)基于PitchTarget模型的四種參數(shù)進(jìn)行基于GMM的聯(lián)合建模，生成轉(zhuǎn)換函數(shù)，將源語(yǔ)音的聲調(diào)改變成目標(biāo)情感的聲調(diào)。并對(duì)改變后的基音頻率進(jìn)行了時(shí)長(zhǎng)，幅值等的修改，使其與目標(biāo)語(yǔ)音情感更接近。
　　 (3)在對(duì)情感語(yǔ)音進(jìn)行韻律參數(shù)的調(diào)整的過(guò)程中，分別對(duì)語(yǔ)音信號(hào)的時(shí)長(zhǎng)，能量以及基頻幅值等進(jìn)行了修改。時(shí)域上，對(duì)語(yǔ)音信號(hào)的短時(shí)能量進(jìn)行了一定比例的修改。頻域上，信號(hào)時(shí)長(zhǎng)的修改采用了線性插值抽取的方法，對(duì)基音頻率和頻譜對(duì)應(yīng)的采樣點(diǎn)分別進(jìn)行