[發(fā)明專利]一種非平行文本條件下的語音轉(zhuǎn)換方法

有效

• 申請?zhí)枺?/td>: 201010520107.0
• 申請日: 2010-10-27
• 公開（公告）號: CN102063899A
• 公開（公告）日: 2011-05-18
• 發(fā)明（設(shè)計）人: 李燕萍;張玲華
• 申請（專利權(quán)）人: 南京郵電大學(xué)
• 主分類號: G10L13/08
• 分類號: G10L13/08;G10L15/06
• 代理公司: 南京經(jīng)緯專利商標(biāo)代理有限公司 32200
• 代理人: 許方

1.一種非平行文本條件下的語音轉(zhuǎn)換方法，其特征在于，包括訓(xùn)練階段和轉(zhuǎn)換階段，其中所述訓(xùn)練階段包括如下步驟：

步驟A，語音信號預(yù)處理步驟：分別對輸入語音信號依次進(jìn)行預(yù)加重、分幀和加窗處理，所述輸入語音信號分別包括目標(biāo)說話人、源說話人、參考目標(biāo)說話人的語音信號；

步驟B，元音幀提取步驟：根據(jù)頻域能量分布特征，分別判定經(jīng)步驟A預(yù)處理后的目標(biāo)說話人、源說話人、參考目標(biāo)說話人的語音信號中元音的位置，分別提取目標(biāo)說話人、源說話人、參考目標(biāo)說話人的語音信號中的元音幀；

步驟C，元音幀的音素分類，對步驟B提取到的目標(biāo)說話人、源說話人、參考目標(biāo)說話人的元音幀，根據(jù)漢語元音映射表分別進(jìn)行音素分類；

步驟D，元音幀的語音特征提取：基于諧波加噪聲模型對分類后的元音幀分別進(jìn)行分解，分別求取目標(biāo)說話人、源說話人、參考目標(biāo)說話人的元音幀中的諧波成分和噪聲成分，然后對諧波加噪聲模型的參數(shù)進(jìn)一步降維，提取元音幀中線性譜頻率參數(shù)，最終分別得到目標(biāo)說話人、源說話人、參考目標(biāo)說話人的元音幀的特征矢量，所述特征矢量包括頻譜特征和韻律特征；

步驟E，對于步驟D提取到的源說話人的元音幀的特征矢量，訓(xùn)練HMM音素分類模型；

步驟F，對于頻譜特征矢量，建立頻譜特征轉(zhuǎn)換模型：

F1，對步驟D所述源說話人的頻譜特征和參考目標(biāo)說話人的頻譜特征分別建立高斯混合模型，分別以各自高斯混合模型的均值矢量構(gòu)成超矢量，然后對所有超矢量進(jìn)行主成分分析，提取基矢量和偏移量，從而建立主成分語音模型；

F2，模型自適應(yīng)：采用步驟D所述目標(biāo)說話人的頻譜特征對步驟F1得到的主成分語音模型進(jìn)行模型自適應(yīng)，得到源說話人與目標(biāo)說話人的頻譜特征轉(zhuǎn)換模型；

步驟G，對步驟D得到的源說話人和目標(biāo)說話人的韻律特征采用單高斯建模，得到各自的均值和方差；?

所述轉(zhuǎn)換階段包括如下步驟：

步驟H，輸入源說話人新的語音信號，對源說話人輸入的新的語音信號依次進(jìn)行上述步驟A-步驟D所述的操作，得到源說話人新的語音信號中元音幀的特征矢量，采用上述步驟E得到的HMM音素分類模型進(jìn)行音素分類；

步驟I，采用步驟F2得到的源說話人與目標(biāo)說話人的頻譜特征轉(zhuǎn)換模型進(jìn)行語音頻譜轉(zhuǎn)換，得到轉(zhuǎn)換后的目標(biāo)說話人的頻譜特征；

步驟J，對于步驟H中得到的源說話人的韻律特征，采用步驟G得到的單高斯模型進(jìn)行韻律轉(zhuǎn)換，得到轉(zhuǎn)換后的目標(biāo)說話人的韻律特征；

步驟K，對步驟F將轉(zhuǎn)換后的頻譜特征和韻律特征經(jīng)過諧波加噪聲模型進(jìn)行合成，最終得到轉(zhuǎn)換后的語音。

2.根據(jù)權(quán)利要求1所述的非平行文本條件下的語音轉(zhuǎn)換方法，其特征在于，所述步驟A的預(yù)處理步驟中，所述預(yù)加重處理的預(yù)加重系數(shù)為0.96，分幀處理按20ms分幀，幀交疊為35%，所述加窗處理采用漢明窗進(jìn)行加窗處理。