基于GMM模型和LPC-MFCC联合特征的声道谱转换研究
2020-09-15张雄伟苗晓孔
声学技术 2020年4期
关键词:模型
曾 歆,张雄伟,孙 蒙,苗晓孔,姚 琨
(陆军工程大学,江苏南京210007)
0 引 言
语音转换是一种在保留语义信息不变的前提下,修改源说话人的个性特征信息,使之具有目标说话人个性特征的语音处理技术[1]。语音转换要实现这一目的,就要提取表征个性特征信息的声学特征,建立不同说话人对应声学特征的对应关系,即转换规则,然后进行转换合成,得到转换语音。
语音转换是目前信号处理领域比较新的一个分支,该技术的研究兼具理论意义和实际应用价值。在多媒体娱乐方面,可通过语音转换实现特定人物配音;对于语音登入系统,可以利用转换语音攻击说话人认证系统。此外,还可以利用语音转换来消除个人特征差异对语音识别的影响等。由此可见,语音转换技术值得深入研究。
语音的特征信息大致划分为3类:音段信息、超音段信息和语言学信息[2]。相关研究表明,超音段信息中的平均基频和音段信息中的声道谱包络对说话人语音个人特征信息的贡献最为重要[3]。相对于平均基频而言,声道谱包络的建模、转换更为复杂,且是制约语音转换效果提升的瓶颈。因此,本文重点围绕声道谱转换展开研究。
语音转换技术研究可追溯到20世纪80年代。王志卫等[4]采用了基于码书映射的语音转换方法,该方法基于统计得到的直方图信息,通过加权求和的方法实现语音转换。这种“硬聚类”的转换方法虽然效果一般,但开辟了一条从统计学角度解决语音转换的思路。……
登录APP查看全文
