方鹏，李贤，汪增福

(1.中国科学技术大学 信息科学技术学院，安徽 合肥 230027； 2.中国科学院 合肥智能机械研究所，安徽 合肥 230031； 3.语音及语言信息处理国家工程实验室，安徽 合肥 230027)

运用核聚类和偏最小二乘回归的歌唱声音转换

方鹏1,2,3，李贤1,3，汪增福1,2,3

(1.中国科学技术大学 信息科学技术学院，安徽 合肥 230027； 2.中国科学院 合肥智能机械研究所，安徽 合肥 230031； 3.语音及语言信息处理国家工程实验室，安徽 合肥 230027)

摘要：语音转换是计算机听觉领域的热点问题之一，将歌声运用于语音转换是一种新的研究方向，同时拓宽了语音转换的应用范围。经典的高斯混合模型的方法在少量训练数据时会出现过拟合的现象，而且在转换时并未有效利用音乐信息。为此提出一种歌唱声音转换方法以实现少量训练数据时的音色转换，并且利用歌曲的基频信息提高转换歌声的声音质量。该方法使用核聚类和偏最小二乘回归进行训练得到转换函数，采用梅尔对数频谱近似(MLSA)滤波器对源歌唱声音的波形直接进行滤波来获得转换后的歌唱声音，以此提高转换歌声的声音质量。实验结果表明，在少量训练数据时，该方法在相似度和音质方面都有更好的效果，说明在少量训练数据时该方法优于传统的高斯混合模型的方法。

关键词：计算机视觉；语音转换；歌唱声音；核聚类；偏最小二乘回归；高斯混合模型；MLSA

中文引用格式：方鹏，李贤，汪增福.运用核聚类和偏最小二乘回归的歌唱声……