【摘要】：語(yǔ)音是說(shuō)話人發(fā)音時(shí)產(chǎn)生的信號(hào),其包含語(yǔ)義信息、個(gè)性信息和情緒等多種自然信息,具有采集友好且方便的特點(diǎn)。語(yǔ)音轉(zhuǎn)換技術(shù)就是對(duì)源說(shuō)話人的個(gè)性特征參數(shù)進(jìn)行轉(zhuǎn)變,使其具有目標(biāo)說(shuō)話人的個(gè)性特征信息,并保持語(yǔ)音的語(yǔ)義信息不變。作為近年來(lái)說(shuō)話人識(shí)別和語(yǔ)音合成技術(shù)高度發(fā)展后的延伸和拓展,語(yǔ)音轉(zhuǎn)換技術(shù)受到國(guó)內(nèi)外語(yǔ)音研究者的高度關(guān)注。隨著語(yǔ)音轉(zhuǎn)換技術(shù)的發(fā)展,語(yǔ)音研究者不再僅僅關(guān)注轉(zhuǎn)換語(yǔ)音的可懂度和轉(zhuǎn)換后的相似度,而更加強(qiáng)調(diào)轉(zhuǎn)換語(yǔ)音音質(zhì)的流暢性、自然度。對(duì)語(yǔ)音轉(zhuǎn)換技術(shù)的研究有助于推動(dòng)語(yǔ)音信號(hào)處理其他領(lǐng)域不斷向前發(fā)展,可以作為醫(yī)療輔助,提高語(yǔ)音的質(zhì)量,也可以豐富大數(shù)據(jù)處理和智能化人機(jī)交互,使人機(jī)交互更加自然,具有娛樂性和個(gè)性化。因此,對(duì)語(yǔ)音轉(zhuǎn)換的研究其應(yīng)用前景深遠(yuǎn)、理論研究?jī)r(jià)值巨大。本文針對(duì)語(yǔ)音轉(zhuǎn)換技術(shù)開展了研究,主要研究?jī)?nèi)容如下:從語(yǔ)音產(chǎn)生原理入手,介紹了發(fā)音系統(tǒng)的數(shù)學(xué)模型及常用的語(yǔ)音特征參數(shù),并對(duì)語(yǔ)音轉(zhuǎn)換模型進(jìn)行了簡(jiǎn)要介紹。本文中用于特征參數(shù)提取與合成的模型是AHOcoder模型,該模型可以同時(shí)提取出0log f、MFCC(梅爾倒譜參數(shù))以及濁音最大頻率。詳細(xì)描述了GMM-雙線性頻率彎折加幅度壓擴(kuò)語(yǔ)音轉(zhuǎn)換模型,分析了GMM的訓(xùn)練、雙線性頻率彎折加幅度壓擴(kuò)訓(xùn)練、轉(zhuǎn)換流程及相關(guān)方面的理論知識(shí)。通過(guò)Matlab實(shí)驗(yàn),對(duì)該模型與傳統(tǒng)GMM模型、GMM-雙線性頻率彎折模型進(jìn)行了主客觀性能的比較,在這幾種模型中該模型轉(zhuǎn)換語(yǔ)音效果最優(yōu)。重點(diǎn)研究了改進(jìn)的GMM-頻率彎折的語(yǔ)音轉(zhuǎn)換模型。針對(duì)GMM模型中混合數(shù)固定,語(yǔ)音特征參數(shù)分類不合理的問(wèn)題,在基于高斯混合模型的聚類過(guò)程中引入了迭代自組織聚類算法ISODATA,該算法具有較好的聚類特性,以此來(lái)得到更符合說(shuō)話人個(gè)性特征參數(shù)的分類,進(jìn)而改善轉(zhuǎn)換語(yǔ)音的質(zhì)量。迭代自組織聚類算法使用誤差平方和作為聚類準(zhǔn)則,設(shè)置初始值參數(shù)對(duì)“合并”和“分裂”操作進(jìn)行判斷,并根據(jù)擬合數(shù)據(jù)的分布,自調(diào)節(jié)得到最優(yōu)類別數(shù)。這一聚類比傳統(tǒng)GMM的K-Means聚類具有自組織的優(yōu)勢(shì)。經(jīng)過(guò)迭代自組織聚類后再進(jìn)行EM迭代,結(jié)合后續(xù)的雙線性頻率彎折實(shí)現(xiàn)語(yǔ)音轉(zhuǎn)換。通過(guò)實(shí)驗(yàn)分析,該模型在客觀評(píng)價(jià)方面,MCD值比GMM-雙線性頻率彎折加幅度壓擴(kuò)模型的低,在不同語(yǔ)料、不同轉(zhuǎn)換情形下MCD值平均下降了1.49%,反映了該模型頻譜的失真程度更低,轉(zhuǎn)換語(yǔ)音與目標(biāo)語(yǔ)音的頻譜相似性更好;在主觀評(píng)價(jià)方面MOS值比GMM-雙線性頻率彎折加幅度壓擴(kuò)模型的高,MOS值平均提高了5.13%,表明該模型轉(zhuǎn)換語(yǔ)音的音質(zhì)更優(yōu)。理論分析和實(shí)驗(yàn)證明,該模型與GMM-雙線性頻率彎折加幅度壓擴(kuò)模型相比,轉(zhuǎn)換后的頻譜相似度和MOS值都更高,這表明該模型在個(gè)性相似性和合成語(yǔ)音音質(zhì)方面都有一定性能的改進(jìn),實(shí)現(xiàn)了高質(zhì)量的語(yǔ)音轉(zhuǎn)換。
【學(xué)位授予單位】：南京郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TN912.3

【參考文獻(xiàn)】

相關(guān)期刊論文 前9條

1 王民;蘇利博;王稚慧;要趁紅;;采用STRAIGHT模型和深度信念網(wǎng)絡(luò)的語(yǔ)音轉(zhuǎn)換方法[J];計(jì)算機(jī)工程與科學(xué);2016年09期

2 王堅(jiān);張媛媛;;基于深度神經(jīng)網(wǎng)絡(luò)的漢語(yǔ)語(yǔ)音合成的研究[J];計(jì)算機(jī)科學(xué);2015年S1期

3 簡(jiǎn)志華;王向文;;采用壓縮感知的改進(jìn)的語(yǔ)音轉(zhuǎn)換算法[J];聲學(xué)學(xué)報(bào);2014年03期

4 李燕萍;張玲華;丁輝;;基于音素分類的漢語(yǔ)語(yǔ)聲轉(zhuǎn)換算法[J];南京郵電大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年01期

5 簡(jiǎn)志華;楊震;;基于維特比算法的語(yǔ)聲轉(zhuǎn)換[J];電子學(xué)報(bào);2009年07期

6 申毅;簡(jiǎn)志華;楊震;;改進(jìn)的GMM模型語(yǔ)聲轉(zhuǎn)換系統(tǒng)[J];南京郵電大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年05期

7 簡(jiǎn)志華;楊震;;基于混合線性變換的語(yǔ)聲轉(zhuǎn)換算法[J];電子與信息學(xué)報(bào);2007年07期

8 李波,王成友,蔡宣平,唐朝京,張爾揚(yáng);語(yǔ)音轉(zhuǎn)換及相關(guān)技術(shù)綜述[J];通信學(xué)報(bào);2004年05期

9 吳宗濟(jì);普通話元音和輔音的頻譜分析及共振\锏牟饉鉡J];聲學(xué)學(xué)報(bào);1964年01期

相關(guān)博士學(xué)位論文 前1條

1 李波;語(yǔ)音轉(zhuǎn)換的關(guān)鍵技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2005年

相關(guān)碩士學(xué)位論文 前10條

1 李金中;多參數(shù)驅(qū)動(dòng)的年齡語(yǔ)音轉(zhuǎn)換系統(tǒng)[D];中國(guó)科學(xué)技術(shù)大學(xué);2015年

2 劉利娟;聲音轉(zhuǎn)換的神經(jīng)網(wǎng)絡(luò)建模方法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2015年

3 李健;基于GMM的漢語(yǔ)語(yǔ)音轉(zhuǎn)換系統(tǒng)研究[D];云南大學(xué);2015年

4 李陽(yáng)春;倒譜本征空間結(jié)構(gòu)化高斯混合模型及語(yǔ)音轉(zhuǎn)換研究[D];蘇州大學(xué);2014年

5 畢興;基于頻率規(guī)整的語(yǔ)音轉(zhuǎn)換技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

6 朱春雷;優(yōu)化自適應(yīng)非平行訓(xùn)練語(yǔ)音轉(zhuǎn)換算法研究[D];蘇州大學(xué);2013年

7 吳麗芳;語(yǔ)音轉(zhuǎn)換系統(tǒng)中特征參數(shù)的研究[D];南京郵電大學(xué);2013年

8 李冰潔;采用譜—韻律雙變換的語(yǔ)音情感轉(zhuǎn)換[D];蘇州大學(xué);2013年

9 楊曼;基于GMM和BP網(wǎng)絡(luò)的語(yǔ)音轉(zhuǎn)換系統(tǒng)設(shè)計(jì)[D];武漢理工大學(xué);2013年

10 趙玲麗;基于高斯混合模型的語(yǔ)音轉(zhuǎn)換技術(shù)研究[D];南京郵電大學(xué);2011年

，

本文編號(hào)：2587165