语音转换是指通过改变与源说话人个性特征有关的声学特征参数,使之听起来像是目标说话人的语音,而其中的语义是不发生变化的。传统的语音转换需要采用并行语料,训练源-目标说话人语音模型,得到语音转换规则；但实际应用中很难获得并行的语料,本课题研究一种基于分类映射的非并行语料的语音转换,改变的声学特征参数为基音和谱包络,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.采用非平行语料,由STRAIGHT提取傅立叶短时谱和基音频率F0。谱包络基于K均值分类,然后采用DFW进行分类映射并组成联合特征矢量,最后采用GMM模型训练得到转换函数3.给出基于分类映射的非并行语料语音转换系统总体框架,并编程实现整个系统。最后通过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并行语料语音转换接近的转换性能,转换语音的目标说话人识别正确率达到95.5%。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,而且更具有实用性。