论文部分内容阅读
语音转换技术是现代社会一项重要的语音处理技术,它能够保留语音的语义信息,同时改变语音包含的辨识身份的特征。然而,对语音的任何修改都会对它的感知特性造成影响。特别是对于特定人语音转换技术,语音的谱包络转换和韵律转换都会引起音质的显著下降,随着人们对转换相似度要求的提高,音质问题变得愈发显著。如何使转换效果能够兼顾相似性和音质,已经成为语音转换技术中亟待解决的问题。现有技术中,基于频率规整的谱包络转换方法能够提供较好的转换音质,但与目标语音相似度较低。本文研究基于频率规整的谱包络转换方法,主要工作分为以下三点:(1)提出了一种新型的基于共振峰二元映射的频率规整语音转换方法。针对传统的频率规整语音转换方法单纯处理频率拉伸导致相似度低的缺点,本文提出了基于共振峰二元映射的频率转换方法,能够对谱包络共振峰频率及相应谱包络振幅进行二元映射,与传统频率规整方法相比,该方法的转换频谱包络对目标频谱包络契合程度较高,有更好的相似度效果。(2)提出了基于GMM的加权频率规整语音转换方法。由于频率规整方法在语音转换结果的相似度上的固有缺陷,在前人研究GMM方法与频率规整方法的基础上,本文针对性地提出了一种基于GMM的加权频率规整语音转换方法,其规整函数为本文提出的二元映射函数与通过GMM方法训练的二元映射函数的加权组合。这种方法保持了频率规整方法的具有较高的转换音质的优点,又兼具了GMM方法转换语音与目标说话人语音的高相似度,平衡了合成语音的音质与相似度。(3)对相关研究方法进行了实验仿真与分析讨论。本文对比了基于共振峰二元映射的频率规整语音转换方法与基于共振峰映射的频率规整语音转换方法,实验证明该方法在相似度上优于基于共振峰映射的频率规整语音转换;对基于GMM的加权频率规整语音转换方法,对比经典GMM方法与提出的基于共振峰的二元映射频率规整方法,实验证明加权频率规整方法能够兼顾准换音质与相似性。