基于GMM的汉语语音转换系统研究.pdf

《基于GMM的汉语语音转换系统研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号密级公开编号夫擘碎士研究被營像俗式题目基于的汉语语音转换系统研究学院（所、中心）信息学院专业名称电子与通信工禾呈研究生姓名李健学号导师姓名杨鉴职称教授年月论文独创性声明及使用授权本论文是作者在导师指导下取得的研究成果。除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研宄成果，不存在剽窃或抄袭行为。与作者一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。现就论文的使用对云南大学授权如下：学校有权保留本论文（含电子版），也可以采用影印、缩印或其他复制手段保存论文；学校有权公布论

2、文的全部或部分内容，可以将论文用于查阅或借阅服务；学校有权向有关机构送交学位论文用于学术规范审查、社会监督或评奖；学校有权将学位论文的全部或部分内容录入有关数据库用于检索服务。内部或保密的论文在解密后应遵循此规定）研究生签名：导师签名：期：摘要摘要语音转换的目的就是在保持源说话人语音语义不变的情况下，使之具有目标说话人的语音个性特征。是一套在环境下用语言编译运行的用于语音信号处理的工具包，包含了诸如分析、分析、分析、矢量量化技术等大多数的语音信号处理的技术。本文以开发汉语语音转换系统为目的，基于高斯混合模型），以工具为实验平台研

3、宄汉语语音转换技术。论文的主要工作包括：阐述了语音转换系统的整体框架以及汉语语音库的构建，在考虑到汉语的发音特性以及汉语音节覆盖率的前提下收集挑选了句录音语料，邀请位发音人进行语料录制。在所挑选的句录音语料中，句作为模型训练语料，句作为集外测试语料。以工具为实验平台，对源说话人和目标说话人的语音进行分帧，使之成为帧长为，帧移为的信号，再使用布拉克曼窗函数进行加窗，然后再提取阶梅尔倒谱系数，利用的方法将提取的谱参数在时间上进行对齐，最后釆用算法得到最优的音子的转换模型。将需要测试的语音按照训练阶段的分帧、加窗以及提取阶梅尔倒谱系数

4、的过程进行处理，再利用训练阶段得到的最优的转换模型将提取的谱参数进行转较，最后结合测试语音的基音频率合成出目标语音。构建完整的汉语语音转换实验系统，并对转换后的语音进行主观评测。实验结果表明：本文所釆用的方法，以工具包为实验平台所实现的汉语语音转换系统，使得转换后的语音在可懂性与自然度上可以达到语音转换的要求。另外，本文的汉语语音转换的主观评测得分为：集内，集外，说明该语音转换系统的性能是比较优秀的。关键词：高斯混合模型；语音转换；平台AbstractAbstractThegoaloftheVoiceConversionisto

5、changethepersonalcharactersofspeaker'svoice，，，，，，，，，，，，AbstractmethodoftheMOS(MeanOpinionScore)toevaluatethespeech.Experimentalresultsshowthat:Inthispaper，，，目录目录觀目录第一章绪论引言语音转换的定义及意义语音转换技术研究的现状常用语音转换的方法论文研宄的主要内容及作者的工作论文研宄的主要内容作者的工作论文的组织机构第二章语音转换的理论基础语音产生机理语音信号产生模型语音信号

6、的个性特征参数语音信号分析语音信号的预处理基音周期估计语音信号的梅尔频率倒谱分析语音转换性能评价标准第三章基于语音转换的实现语音转换系统的描述构建语音库训练模型目录语音信号特征参数提取模型训练实现基于的汉语语音转换的实现第四章实验结果与评测第五章总结与展望总结展望参考文献雜第一章绪论第一章绪论引言不管是在文字还未形成的远古时代，还是在现在科技高速发展的时代，语音一直都是人与人之间相互传递信息最重要、最普遍和最实用的工具。随着现在社会的不断发展进步，语音信号领域的发展也取得了长足的进步，同时也逐渐的吸引了众多的语音方面的科研工作者

7、。这是由于语音信号对我们现在信息化的生活中具有非常重要的实用性，另外它的发展与现在社会中的许多最为前沿的科学技术的发展相互关联⑴。语音转换是最近的年才被提出的新的研宄方向，虽然研宄的时间并不是很长，但是国内外对语音转换的研究取得了比较广泛的成果。语音转换技术有着非常巨大的发展潜力，同样的也存在着许多关键性的问题等待着解决。语音转换的定义及意义语音转换（，或是指对一个说话人（源说话人，的语音中所包含的某些个性特征信息参数进行转换，使转换后的语音在语音语义信息不变的前提下具有另外一个说话人（目标说话人，的语音个性特征信息。在说话人声

8、音的每个句子包含很多重要的信息，但最重要的是，也是我们最关心的信息主要集中在两个方面，即语音的语义信息和语音特征信息。这里说的语音的语义信息是指在说话人所说的一句语音中所要表达的内容信息。而说话人语音的特征信息是指说话人语音的个性化信息，也就是表征了该说话人的身