[發(fā)明專利]基于自組織特征映射網(wǎng)絡(luò)聚類和徑向基網(wǎng)絡(luò)的語(yǔ)音轉(zhuǎn)換法

無(wú)效

• 申請(qǐng)?zhí)枺?/td>: 201210038874.7
• 申請(qǐng)日: 2012-02-21
• 公開(kāi)（公告）號(hào): CN102568476A
• 公開(kāi)（公告）日: 2012-07-11
• 發(fā)明（設(shè)計(jì)）人: 解偉超;張玲華
• 申請(qǐng)（專利權(quán)）人: 南京郵電大學(xué)
• 主分類號(hào): G10L15/02
• 分類號(hào): G10L15/02;G10L15/26;G10L19/02
• 代理公司: 南京經(jīng)緯專利商標(biāo)代理有限公司 32200
• 代理人: 艾中蘭

技術(shù)領(lǐng)域

本發(fā)明涉及語(yǔ)音轉(zhuǎn)換技術(shù)，特別涉及基于自組織特征映射網(wǎng)絡(luò)聚類和徑向基網(wǎng)絡(luò)的語(yǔ)音轉(zhuǎn)換方法，屬于語(yǔ)音信號(hào)處理技術(shù)領(lǐng)域。

背景技術(shù)

語(yǔ)音轉(zhuǎn)換是語(yǔ)音信號(hào)處理領(lǐng)域近年來(lái)新興的研究分支，是在說(shuō)話人識(shí)別和語(yǔ)音合成的研究基礎(chǔ)上進(jìn)行的，同時(shí)也是這兩個(gè)分支內(nèi)涵的豐富和延拓，但是又不完全隸屬于說(shuō)話人識(shí)別和語(yǔ)音合成的范疇。

語(yǔ)音轉(zhuǎn)換的目標(biāo)是在保證其中的語(yǔ)義信息保持不變的條件下，改變?cè)凑f(shuō)話人語(yǔ)音中的個(gè)性特征信息，使之具有目標(biāo)說(shuō)話人的個(gè)性特征，從而使轉(zhuǎn)換后的語(yǔ)音聽(tīng)起來(lái)就像是目標(biāo)說(shuō)話人的聲音。

語(yǔ)音轉(zhuǎn)換的實(shí)現(xiàn)可以分為訓(xùn)練階段和轉(zhuǎn)換階段。在訓(xùn)練階段，系統(tǒng)對(duì)源說(shuō)話人和目標(biāo)說(shuō)話人進(jìn)行訓(xùn)練，分析他們的參數(shù)，建立轉(zhuǎn)換規(guī)則。在轉(zhuǎn)換階段，先對(duì)源語(yǔ)音進(jìn)行分析并提取語(yǔ)音特征，再根據(jù)由訓(xùn)練階段得到的語(yǔ)音轉(zhuǎn)換規(guī)則進(jìn)行轉(zhuǎn)換得到目標(biāo)語(yǔ)音特征。

語(yǔ)音轉(zhuǎn)換的關(guān)鍵問(wèn)題在于說(shuō)話人個(gè)性特征的提取以及轉(zhuǎn)換規(guī)則的建立，經(jīng)過(guò)近二十年的發(fā)展，涌現(xiàn)出大量的研究成果，目前對(duì)語(yǔ)音特征參數(shù)的研究主要包括頻譜包絡(luò)參數(shù)和基音頻率。語(yǔ)音轉(zhuǎn)換中目前對(duì)頻譜包絡(luò)參數(shù)的轉(zhuǎn)換方法有基于線性預(yù)測(cè)編碼模型(Linear?Prediction?Coding，LPC)，高斯混合模型(Gaussian?Mixture?Model，GMM)，諧波加噪聲模型(Harmonic?plus?Noise?Model，HNM)等，但是這些方法在建立轉(zhuǎn)換規(guī)則時(shí)直接將提取參數(shù)進(jìn)行訓(xùn)練，建立起統(tǒng)一的一個(gè)轉(zhuǎn)換規(guī)則，這樣由于語(yǔ)音信號(hào)的時(shí)變和非平穩(wěn)特性，而且訓(xùn)練數(shù)據(jù)數(shù)量的巨大，使得唯一的一個(gè)轉(zhuǎn)換規(guī)則不能準(zhǔn)確的描述源語(yǔ)音的特征參數(shù)與目標(biāo)語(yǔ)音的特征參數(shù)之間的映射關(guān)系，必然引起失真；(1、Zad-Issa，M.R，Kabal，P.Smoothing?the?Evolution?ofthe?Spectral?Parameters?in?Linear?Prediction?of?Speech?using?Target?Matching.ICASSP，1997：vol.3，1699-1702.2、Daojian?Zeng，Yibiao?Yu.Voice?Conversion?using?structrued?Gaussian?Mixture?Model.ICSP，2010：541-544.3、Hu?H.T，Yu?C，Lin?C.H.HNM?parameter?transform?for?voice?conversion?using?a?HMM-WDLT?framework.ICIMA，2010：vol.2，282-287.)語(yǔ)音轉(zhuǎn)換中目前對(duì)基音頻率的轉(zhuǎn)換方法有均值轉(zhuǎn)換法、高斯模型法等，但是這些轉(zhuǎn)換方法都是將頻譜包絡(luò)參數(shù)與基音頻率分開(kāi)進(jìn)行轉(zhuǎn)換，兩者轉(zhuǎn)換之間沒(méi)有聯(lián)系，但是頻譜包絡(luò)參數(shù)與基音頻率都來(lái)自與同一語(yǔ)音信號(hào)，越來(lái)越多的研究表明兩者之間有著密切的聯(lián)系，因此傳統(tǒng)的分別對(duì)以上兩種參數(shù)進(jìn)行轉(zhuǎn)換的方法會(huì)必然影響合成語(yǔ)音的質(zhì)量。(1、Lee?K.S，Doh?W，Youn?D.H?Voice?conversion?using?low?dimensional?vector?mapping.IEICE?Transaction?Information&System，2002，E85(D)：1297-1305.2、L.M.Arslan.Speaker?Transformation?Algorithm?using?Segmental?Codebooks(STASC).Speech?Communication，Jul.1999：vol.28，no.3，pp.211-226.)

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種結(jié)合語(yǔ)音時(shí)域特點(diǎn)和說(shuō)話人個(gè)性特征在平行文本的條件下的語(yǔ)音轉(zhuǎn)換方法，得到一種更加準(zhǔn)確的轉(zhuǎn)換規(guī)則，使得轉(zhuǎn)換語(yǔ)音中的說(shuō)話人個(gè)性特征增強(qiáng)并且提高轉(zhuǎn)換語(yǔ)音的聽(tīng)覺(jué)質(zhì)量。

為了實(shí)現(xiàn)上述發(fā)明目的，本發(fā)明采用了如下技術(shù)方案：

一種基于自組織特征映射網(wǎng)絡(luò)聚類和徑向基網(wǎng)絡(luò)的語(yǔ)音轉(zhuǎn)換法，具體步驟如下：

第一步，預(yù)處理，清濁音判決與特征參數(shù)提取，即對(duì)輸入語(yǔ)音信號(hào)進(jìn)行預(yù)加重、分幀和加窗處理后，計(jì)算每一幀的短時(shí)能量和平均過(guò)零率，完成清濁音的判決，再利用STRAIGHT(Speech?Transformation?and?Representation?using?Adaptive?Interpolation?of?weiGHTed?spectrum)模型提取出每一個(gè)濁音幀的LSF(Linear?Spectral?Frequency，線性譜頻率)參數(shù)和基音頻率；