基于独立说话人模型的语音转换

论文摘要

语音转换是指将源说话人的语音经过转换,使之听起来像是目标说话人的语音。语音主要包括语义信息和说话人的个性化信息,语音转换是通过改变与源说话人个性特征有关的声学特征参数,而保留语义信息不变,使得转换后的语音的个性特征与目标说话人更接近。传统的语音转换往往采用平行语料训练源-目标说话人联合语音模型并由此推导相应的语音转换规则,但实际应用中不仅难以得到完全平行的语料,而且训练联合语音模型需要消耗大量的计算、系统扩展不方便。本课题研究一种基于完全独立的说话人语音模型进行语音转换的方法,主要内容包括:1.研究STRAIGHT分析与合成算法,基于STRAIGHT平台调整与说话人个性特征有关的参数。2.采用平行语料,以GMM为联合语音模型建立语音转换基准系统,分析高斯混合模型（GMM）的特点。3.提出结构化高斯混合模型（SGMM: Structured Gaussian Mixture Model）描述说话人的声学特征空间。4.研究怎样使用全局声学结构（AUS: Acoustical Universal Structure）对齐不同SGMM中的高斯分布。5.给出基于独立说话人模型的语音转换系统总体框架,并编程实现整个系统。ABX和MOS实验表明论文提出的语音转换方法可以得到与传统的平行语料联合训练方法接近的转换性能,并且转换语音的目标说话人识别正确率达到94.5%。实验结果充分说明了本课题提出的方法不仅具有较好的转换性能,而且具有较小的训练量和很好的系统扩展性。

论文目录

• 中文摘要
• Abstract
• 第一章 绪论
• 1.1 语音转换的定义
• 1.2 语音转换的研究意义及应用
• 1.3 国内外研究概况
• 1.4 课题的研究目标
• 1.5 论文的结构安排
• 第二章 语音转换的理论基础
• 2.1 语音信号的基本特性
• 2.1.1 语音信号产生
• 2.1.2 语音信号的数学模型
• 2.1.3 语音的个性特征
• 2.2 语音转换的基本原理
• 2.2.1 语音转换的系统组成
• 2.2.2 语音转换方法概述
• 2.3 语音信号的线性预测分析
• 2.3.1 线性预测（LPC）分析
• 2.3.2 LPC 复倒谱
• 2.3.3 线性预测合成
• 2.4 STRAIGHT 语音分析合成算法
• 2.4.1 去除周期性影响的谱估计
• 2.4.2 平滑可靠的基频轨迹的提取
• 2.4.3 语音重构
• 2.4.4 压缩STRAIGHT 谱包络
• 2.5 语音转换的评价标准
• 2.5.1 客观评价标准
• 2.5.2 主观评价标准
• 第三章 传统的平行语料语音转换系统
• 3.1 系统框图
• 3.2 语音信号的时间对齐
• 3.3 GMM 模型
• 3.3.1 GMM 模型的基本概念
• 3.3.2 GMM 模型的训练
• 3.4 转换函数
• 3.4.1 基频转换函数
• 3.4.2 频谱转换函数
• 第四章 基于独立说话人模型的语音转换系统
• 4.1 系统构成
• 4.2 结构化高斯混合模型
• 4.2.1 GMM 特性分析
• 4.2.2 SGMM 建立及特点
• 4.3 基于AUS 的SGMM 高斯分布对准
• 4.3.1 全局声学结构AUS
• 4.3.2 SGMM 高斯分布对准
• 4.4 转换函数
• 第五章 语音转换实验
• 5.1 实验的语音库
• 5.2 五元音转换实验
• 5.3 语音转换实验
• 5.3.1 ABX 测试
• 5.3.2 MOS 测评
• 5.3.3 说话人识别测试
• 第六章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 攻读学位期间公开发表的论文
• 致谢