[發(fā)明專利]一種基于混合高斯隨機(jī)過程的分簇語音轉(zhuǎn)換方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201410662811.8
• 申請日: 2014-11-19
• 公開（公告）號: CN104464744A
• 公開（公告）日: 2015-03-25
• 發(fā)明（設(shè)計(jì)）人: 徐寧;胡芳;蔣愛民;劉小峰
• 申請（專利權(quán)）人: 河海大學(xué)常州校區(qū)
• 主分類號: G10L21/007
• 分類號: G10L21/007
• 代理公司: 常州市科誼專利代理事務(wù)所 32225
• 代理人: 孫彬

技術(shù)領(lǐng)域

本發(fā)明涉及用于處理音頻數(shù)據(jù)的方法和系統(tǒng)，尤其涉及一種語音轉(zhuǎn)換的方法和系統(tǒng)。

背景技術(shù)

語音轉(zhuǎn)換的目的在于改變?nèi)我庖粋€說話人的話音個性特征，使其聽起來像另一個指定的目標(biāo)人的聲音。而實(shí)現(xiàn)這一目標(biāo)，通常需要對大量數(shù)據(jù)進(jìn)行訓(xùn)練才能完成。在大數(shù)據(jù)時代，數(shù)據(jù)呈現(xiàn)出量大、關(guān)聯(lián)性強(qiáng)等特點(diǎn)。如何利用好這些數(shù)據(jù)，對語音轉(zhuǎn)換任務(wù)來說，亦至關(guān)重要。就中文語音而言，雖然涉及到的字詞讀音非常豐富，但本質(zhì)上都是由若干有限個聲母、韻母、輔音，再配以一定的音調(diào)所構(gòu)成的。因此，在語音轉(zhuǎn)換的過程中，可以針對這一特點(diǎn)進(jìn)行分簇建模；另一方面，需要借助于優(yōu)秀的映射算法來精準(zhǔn)高效的映射源和目標(biāo)說話人之間的特征參數(shù)。一般來說，非線性算法應(yīng)該能獲得比線性映射算法更加優(yōu)異的性能。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種分簇語音轉(zhuǎn)換方法，其借助于高斯隨機(jī)過程這一數(shù)學(xué)工具，結(jié)合語音數(shù)據(jù)的特點(diǎn)，設(shè)計(jì)了一種新型的高斯隨機(jī)過程結(jié)構(gòu)，并在此基礎(chǔ)上給出了訓(xùn)練和轉(zhuǎn)換算法。該方法能在大數(shù)據(jù)量環(huán)境下，有效的利用數(shù)據(jù)間的關(guān)聯(lián)性，提高轉(zhuǎn)換精度。另外，該方法還是一種非線性映射方法，對復(fù)雜數(shù)據(jù)的建模具有良好的適應(yīng)性。

為了解決上述技術(shù)問題，本發(fā)明提供了一種分簇語音轉(zhuǎn)換方法，在于包括如下步驟：

步驟S100，訓(xùn)練階段，即將源、目標(biāo)語音數(shù)據(jù)分別進(jìn)行特征參數(shù)提取后進(jìn)行訓(xùn)練；以及步驟S200，轉(zhuǎn)換階段，即將再次提取的源的特征參數(shù)與訓(xùn)練結(jié)果進(jìn)行轉(zhuǎn)換，并合成得到重構(gòu)的語音數(shù)據(jù)。

進(jìn)一步，為了實(shí)現(xiàn)對源、目標(biāo)語音數(shù)據(jù)分別進(jìn)行特征參數(shù)提取；所述步驟S100中將源、目標(biāo)語音數(shù)據(jù)分別進(jìn)行特征參數(shù)提取的步驟包括：步驟S110，語音分析，即對源、目標(biāo)語音數(shù)據(jù)分別進(jìn)行語音分解；步驟S120，參數(shù)預(yù)處理，即提取經(jīng)語音分解后的源、目標(biāo)語音數(shù)據(jù)的特征參數(shù)，并將兩特征參數(shù)對齊；以及步驟S130，特征參數(shù)訓(xùn)練，將兩特征參數(shù)進(jìn)行混合高斯隨機(jī)過程訓(xùn)練。

進(jìn)一步，為了實(shí)現(xiàn)對源、目標(biāo)語音數(shù)據(jù)分別進(jìn)行語音分解；所述步驟S110中對源、目標(biāo)語音數(shù)據(jù)分別進(jìn)行語音分解的步驟包括：步驟S111，對源或目標(biāo)的語音信號進(jìn)行固定時長的分幀，用互相關(guān)法對基音頻率進(jìn)行估計(jì)，以獲得濁音、清音信號；以及步驟S112，在濁音信號設(shè)置一個最大濁音頻率分量，用來劃分諧波成分和隨機(jī)成分的主能量區(qū)域；再利用最小二乘算法估計(jì)得到離散的諧波幅度值和相位值。

進(jìn)一步，為了實(shí)現(xiàn)對濁音、清音的特征參數(shù)提取；所述步驟S120中提取特征參數(shù)的方法包括：通過提取源、目標(biāo)語音數(shù)據(jù)中的濁音特征參數(shù)和清音特征參數(shù)，以獲得所述源或目標(biāo)的語音數(shù)據(jù)的特征參數(shù)；其中提取所述濁音特征參數(shù)的步驟包括：步驟S121，對步驟S112中得到的諧波幅度求取平方；步驟S122，根據(jù)功率譜密度函數(shù)和自相關(guān)函數(shù)的一一對應(yīng)關(guān)系，得到關(guān)于濁音線性預(yù)測系數(shù)的托普里茨矩陣方程，求解該方程獲得所述濁音線性預(yù)測系數(shù)；步驟S123，將所述濁音線性預(yù)測系數(shù)轉(zhuǎn)換為濁音線性譜頻率系數(shù)，該系數(shù)即為濁音特征參數(shù)；以及提取所述清音特征參數(shù)的方法包括：在清音信號，利用線性預(yù)測分析法對其進(jìn)行分析，從而得到清音線性預(yù)測系數(shù)；再將所述清音線性預(yù)測系數(shù)轉(zhuǎn)換為清音線性譜頻率系數(shù)，該系數(shù)即為清音特征參數(shù)。

進(jìn)一步，為了實(shí)現(xiàn)兩特征參數(shù)對齊，所述步驟S120中對兩特征參數(shù)對齊的步驟包括：步驟S124,對于源和目標(biāo)的特征參數(shù)，利用動態(tài)時間規(guī)整算法將其中一特征參數(shù)的時間軸非線性的映射到另一特征參數(shù)的時間軸上，實(shí)現(xiàn)一一對應(yīng)的匹配；步驟S125,在對齊的過程中，通過迭代優(yōu)化一個預(yù)設(shè)的累積失真函數(shù)，并限制搜索區(qū)域，以獲得時間匹配函數(shù)。

進(jìn)一步，為了訓(xùn)練特征參數(shù)，所述步驟S130中將特征參數(shù)訓(xùn)練的步驟包括：步驟S131，構(gòu)建具有混合結(jié)構(gòu)的高斯隨機(jī)過程模型；步驟S132，用馬爾科夫鏈蒙特卡洛方法來近似估計(jì)所述高斯隨機(jī)過程模型的參數(shù)，即該參數(shù)和隸屬標(biāo)識變量的聯(lián)合后驗(yàn)概率密度函數(shù)；步驟S133，對概率密度函數(shù)進(jìn)行迭代邊緣化，分別得到對隸屬標(biāo)識變量概率分布和模型參數(shù)的概率分布的估計(jì)，以確定混合高斯隨機(jī)過程的結(jié)構(gòu)參數(shù)。