语音转换技术是语音信号处理一个比较新的研究方向，也是近年来语音研究的热点。说话人的语音转换是指在不改变语音内容的情况下，使源说话人的声音转换为目标说话人的声音。本文研究实现源．目标说话人语音转换相关的具体有效的算法，并使用MATLAB进行了编程实验，结果良好。　　 对声道谱参数和韵律特征的转换是声音转换的关键技术之一。由于人耳对低频的声音信号比较敏感，而清音属于高频语音，对人的听觉贡献较小，所以本文主要对语音的浊音信号进行分析，于是清浊音判别对语音的后续处理极为重要。本文对传统的过零率和能量两参量判别方法进行了改进，使用零能比、零能积和自相关函数的能量的三参量组合判决方法进行语音的清/浊音判别。　　 在对声道谱参数进行转换时，本文使用混合高斯模型对声道谱参数建立连续概率模型，对训练数据进行了软分类。根据不同子类对频谱特征转换的贡献大小，赋予不同的加权系数，用加权线性转换方法，对频谱包络特征进行转换。在训练GMM模型前，由于源、目标特征参数向量的序列参数不同，本文使用了动态时间规整算法对特征参量序列进行对齐。本文将基于高斯混合模型加权线性转换与基于硬分类法的LMR转换，并比较了不同混合度下，距离测度的训练误差与测试误差。实验结果表明基于后验概率混合高斯模型的加权线性变换表现出一定的优越性。在对韵律特征进行转换时，本文将基音频率建立高斯模型，在源-目标说话人之间进行转换。　　 在转换后使用时域基音同步叠加法对转换语音的特征进行合成。使用ABX测试方法对转换语音进行测试，实验结果表明转换语音以80％的概率倾向于目标语音。