基于聲道譜特性的源-目標(biāo)說話人聲音轉(zhuǎn)換算法的研究.pdf

1、源—目標(biāo)說話人聲音轉(zhuǎn)換技術(shù)是指將源說話人的語音模式轉(zhuǎn)換成某個(gè)特定的目標(biāo)說話人的語音模式，即保持源說話人原有的語義信息不變，使轉(zhuǎn)換后的語音具有目標(biāo)說話人的聲音特點(diǎn)。 語音信號(hào)中的說話人特征是體現(xiàn)在激勵(lì)源和聲道兩方面的，本文在語音的線性預(yù)測分析/合成的模型框架下，著重研究了源—目標(biāo)說話人聲道譜特性的與文本無關(guān)的映射規(guī)則的獲取方法。另外，在具體實(shí)現(xiàn)聲音轉(zhuǎn)換時(shí)，也考慮了聲源信息的部分轉(zhuǎn)換。 為實(shí)現(xiàn)與文本無關(guān)的源—目標(biāo)說話人聲音轉(zhuǎn)

2、換，并使獲取的轉(zhuǎn)換規(guī)則具有可實(shí)現(xiàn)性和推廣性，本文采用了對(duì)特征參數(shù)矢量空間進(jìn)行分類的策略，以類特征參數(shù)子空間獲取轉(zhuǎn)換規(guī)則，詳細(xì)探討了碼本映射方法和分類線性映射方法，并就其中分類數(shù)對(duì)轉(zhuǎn)換效果的影響、分類算法的選取等關(guān)鍵問題做了深入的實(shí)驗(yàn)分析。 為了克服分類不準(zhǔn)確所導(dǎo)致的轉(zhuǎn)換效果變差，同時(shí)希望在一定的分類數(shù)下能獲取盡可能多的轉(zhuǎn)換規(guī)則，以實(shí)現(xiàn)對(duì)源—目標(biāo)話者的映射關(guān)系更精確的描述，本文給出了一種基于GMM的分類線性加權(quán)映射方法。該方法通過

3、對(duì)特征參數(shù)空間的統(tǒng)計(jì)特性分布的描述，實(shí)現(xiàn)對(duì)特征空間的“軟”分類，一定程度上克服了分類偏差導(dǎo)致的譜轉(zhuǎn)換誤差加大，并提高了譜轉(zhuǎn)換方法的魯棒性；另一方面它利用概率加權(quán)可組合成遠(yuǎn)大于類別數(shù)的規(guī)則，從而獲取更好的轉(zhuǎn)換效果。 本文對(duì)映射方法中常用的最小均方誤差準(zhǔn)則做了改進(jìn)，提出了一種加權(quán)的最小均方誤差訓(xùn)練準(zhǔn)則，通過引入加權(quán)矩陣，實(shí)現(xiàn)了對(duì)話者個(gè)性貢獻(xiàn)大的特征矢量集和特征參數(shù)分量的更精確的轉(zhuǎn)換，進(jìn)而提高了轉(zhuǎn)換后的聲道譜的目標(biāo)說話人傾向性。