[發(fā)明專利]一種基于微分聲門波模型的語音變調(diào)變嗓音方法

有效

• 申請?zhí)枺?/td>: 201810083797.4
• 申請日: 2018-01-29
• 公開（公告）號: CN108281150B
• 公開（公告）日: 2020-11-17
• 發(fā)明（設(shè)計(jì)）人: 周林燦;申炎仃;黃昭鳴;孫海霞
• 申請（專利權(quán)）人: 上海泰億格康復(fù)醫(yī)療科技股份有限公司
• 主分類號: G10L19/04
• 分類號: G10L19/04;G10L19/087;G10L19/18;G10L19/26;G10L21/013;G10L25/45
• 代理公司: 杭州君度專利代理事務(wù)所(特殊普通合伙) 33240
• 代理人: 朱月芬

本發(fā)明公開了一種基于微分聲門波模型的語音變調(diào)變嗓音方法，本發(fā)明采用線性預(yù)測編碼技術(shù)和微分聲門波相結(jié)合的方法合成變調(diào)語音，將語音信號通過LPC逆濾波器得到的殘差信號即為聲門信號的一階差分，用LF模型對其進(jìn)行更細(xì)致的模擬得到高質(zhì)量的聲門激勵信號，從而合成高質(zhì)量的變調(diào)語音。本發(fā)明簡單、有效、快速，通過te/tc和tp/tc能靈活控制嗓音源，具有廣泛的實(shí)用價(jià)值。

技術(shù)領(lǐng)域

本發(fā)明屬于語音合成技術(shù)領(lǐng)域，涉及一種語音變調(diào)方法，尤其是涉及一種基于微分聲門波模型的語音變調(diào)、變嗓音方法。

背景技術(shù)

隨著信息技術(shù)的發(fā)展，傳統(tǒng)的音視頻素材已無法滿足人們的需求，融合語言學(xué)、信號處理技術(shù)、計(jì)算機(jī)科學(xué)等多領(lǐng)域的語音合成技術(shù)應(yīng)運(yùn)而生。其中的語音變調(diào)不變速技術(shù)具有廣闊的應(yīng)用市場，如保護(hù)說話人隱私，提供某種娛樂效果，幫助語言功能不完善或受損的患者進(jìn)行語音恢復(fù)，用作如語音郵件、廣播電臺變聲熱線、多媒體音效處理、軍事保密通信等，可廣泛應(yīng)用于民用，商用，醫(yī)用和軍用等多個領(lǐng)域。

語音變調(diào)不變速指改變語音基音頻率的大小，同時(shí)保持語速和語義不變，即保持短時(shí)頻譜包絡(luò)和時(shí)間過程基本不變。語音變調(diào)不變速算法中，基于線性預(yù)測的方法具有簡單、完全自動的分析步驟，合成器結(jié)構(gòu)簡單，硬件實(shí)現(xiàn)容易等優(yōu)點(diǎn)，但嗓音源序列采用簡單的脈沖和噪聲激勵模型，合成語音有嚴(yán)重的機(jī)器聲和噪聲。對嗓音源序列建模擬合生成更為細(xì)致精確的嗓音源序列以合成高質(zhì)量的語音，是近年來的研究熱點(diǎn)及難點(diǎn)。

申請?zhí)枮?00810222508.0的中國專利公開了一種語音變調(diào)方法及裝置，能夠?qū)崿F(xiàn)語音的自適應(yīng)變調(diào)。但用戶人群不同，需求也不同，由于該種變調(diào)方式無法通過手工設(shè)置升降調(diào)的幅度，因此不適應(yīng)于希望按照自己的需求來固定地改變音調(diào)的用戶。申請?zhí)枮?01610573399.1的中國專利公開了一種穩(wěn)定音色的音樂語音變調(diào)方法，通過語音信號的倒譜序列導(dǎo)出頻譜包絡(luò)，從中分離出語音信號的激勵分量，再計(jì)算經(jīng)變調(diào)處理后的激勵分量，并與頻譜包絡(luò)重新合成音調(diào)改變但音色穩(wěn)定的音樂語音信號。該方法同樣無法實(shí)現(xiàn)對嗓音源的靈活控制。

發(fā)明內(nèi)容

本發(fā)明針對現(xiàn)有技術(shù)的不足，提出了一種基于微分聲門波模型的語音變調(diào)變嗓音方法。

本發(fā)明采用線性預(yù)測編碼(LPC)技術(shù)和微分聲門波(LF)相結(jié)合的方法合成變調(diào)語音，將語音信號通過LPC逆濾波器得到的殘差信號即為聲門信號的一階差分，用LF模型對其進(jìn)行更細(xì)致的模擬得到高質(zhì)量的聲門激勵信號，從而合成高質(zhì)量的變調(diào)語音。LPC是目前最簡單、最重要、最有效、最流行的語音分析技術(shù)之一，普遍應(yīng)用于語音信號處理的各個方面，具有低速率傳輸和儲存語音、計(jì)算簡單快速，能夠極為精確地估計(jì)語音參數(shù)等優(yōu)點(diǎn)。LF模型通過對嗓音源參數(shù)的靈活控制，可以合成不同音色的語音，且模型參數(shù)具有明確的物理意義，屬發(fā)音器官合成語音法范疇，是語音合成技術(shù)發(fā)展的潮流之一。

本發(fā)明的目的就是提供一種更為簡單、有效、快速的、能夠靈活改變嗓音源參數(shù)的語音變調(diào)、變嗓音的方法。本發(fā)明的目的可以通過以下技術(shù)方案來實(shí)現(xiàn)：一種基于微分聲門波模型的語音變調(diào)變嗓音方法，該方法包括：

Step1：數(shù)字語音信號記為S，采樣頻率記為fs，對S進(jìn)行預(yù)處理，包括：去除直流分量、預(yù)濾波、預(yù)加重、歸一化一系列處理，得到預(yù)處理后的信號S1；其中預(yù)加重系數(shù)k1范圍為-1.0k1-0.90；預(yù)濾波器為帶通濾波器記為lvboqi1，通帶頻率范圍60Hz～2000Hz，阻帶范圍55Hz～3400Hz；

Step2：對S1加窗分幀后得S2；

窗函數(shù)為矩形窗，分幀參數(shù)為：分段時(shí)長初步取tms，t范圍10～30，精確值為t×fs左右2的整次冪；幀長、幀移、幀疊分別記為wlen、inc、overlap，wlen＝t×fs左右2的整次冪，inc＝wlen×k2，k2范圍為1/5～1/2，幀疊overlap＝wlen-inc，總幀數(shù)fn＝fix((N-wlen)/inc)+1，其中N為信號的長度，fix為取整；