考虑帧间动态特征的音色变换算法.pdfVIP

考虑帧间动态特征的音色变换算法 1 2 1 张晓洲 ，黄德智 ，蔡莲红 (1. 清华大学 计算机科学与技术系 普适计算教育部重点实验室，北京 100084; 2. 北京法国电信研发中心有限公司，北京 100080) 摘 要：基于 Gauss 混合模型的音色变换算法在预测目标说话 音色变换是一种改变说话人声音特征的技术，它 人频谱时会出现过平滑问题，导致声音转换结果的音质下降。 可以转换源说话人的声音，得到听感上接近目标说话 该文分析了造成过平滑问题的原因，并提出一种考虑帧间动态 人的重建语音，而保持源说话人语音信息内容不变 特征的音色变换改进算法，在估计参数的目标函数中加入了连 [1] 。音色变换可应用在文语转换系统上，实现合成语 续性和方差的影响，从而改善了映射结果的帧间连续性，并使 音的个性化。此外，在多语种合成系统中的音色归一 方差最大化，克服了过平滑现象。实验表明该算法在保证变换 化以及和谐人机语音交互方面都有很大的应用价值。 结果的目标倾向性的同时，能够使变换语音的音质主观意见得 音色变换系统通常包括分析、变换和合成 3 个部 分由 3.11 提高到 3.89，证明动态特征对提高音色变换的音质有 分。分析部分从源语音中提取代表说话人个性的声学 重要意义。 特征；变换部分通过事先建立的规则将源特征映射到 关键词：音色变换；高斯混合模型；动态特征；连续性；方差 目标特征；合成部分用目标特征合成目标语音。其中 中图分类号：TN912.3 最为关键的是变换部分中声学特征映射规则的建立。 现有的映射规则包括码本映射、Gauss 混合模型 Voice Conversion Considering Inter-frame （GMM ）[2] 、人工神经网络、线性多变量回归、隐 Dynamic Features 马尔可夫模型（HMM ）等。基于 GMM 的音色变换 1 2 1 用概率统计模型刻画说话人的声学特征空间，是目前 ZHANG Xiaozhou ， HUANG Dezhi ，CAI Lianhong 最为成功的方法。但变换后的频谱存在过平滑问题， (1. Key Laboratory of Pervasive Computing, Ministry of Educa- 转换声音模糊发闷，导致语音音质下降。 tion; Department of Computer Science and Technology, Tsinghua 在传统 GMM 变换规则的参数估计过程中，只考 University, Beijing 100084, China; 虑单帧源特征矢量变换后尽量逼近目标，而没有考虑 2. France Telecom RD Beijing Co., Ltd, Beijing 100080