資源描述：
《基于gmm獨立建模語音轉(zhuǎn)換系統(tǒng)的研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、基于GMM的獨立建模語音轉(zhuǎn)換系統(tǒng)研究中文摘要語音轉(zhuǎn)換就是對一個說話人(源說話人)的語音信號進行轉(zhuǎn)換，使之聽起來像另一個說話人(目標(biāo)說話人)語音的技術(shù)。這項技術(shù)幾乎囊括了語音信號處理領(lǐng)域的各個方面，它的研究對語音分析，語音編碼，語音合成，語音增強，語音識別等方面有重要的促進作用。本文提出了一種基于GMM獨立建模的轉(zhuǎn)換方法，主要內(nèi)容包括：(1)提出了一種獨立建模的方法，對源和目標(biāo)說話人語音特征分別建立GMM模型，解決了傳統(tǒng)基于GMM的聯(lián)合建模轉(zhuǎn)換系統(tǒng)中，需要并行語料，不適應(yīng)多人轉(zhuǎn)換等缺點。-(2)通過輸入語音特征矢量，動態(tài)確定轉(zhuǎn)換規(guī)則，進行語音轉(zhuǎn)換，解
2、決了傳統(tǒng)轉(zhuǎn)換系統(tǒng)中，轉(zhuǎn)換函數(shù)非動態(tài)這一缺陷，使得轉(zhuǎn)換規(guī)則更為靈活，從而增強轉(zhuǎn)換精確性。(3)基于線性預(yù)鋇JJ(LP)分析合成平臺，對源與目標(biāo)說話人LPCC特征獨立建立GMM模型，對測試語音進行轉(zhuǎn)換，分析得到轉(zhuǎn)換結(jié)果，并做出相應(yīng)評測與分析。(4)基于STRAIGHT分析合成平臺，對源與目標(biāo)說話人STRAIGHT分析得到的譜包絡(luò)進行建模分析，并對測試語音進行轉(zhuǎn)換，得到結(jié)果，并做出評測分析。+(5)基于語音結(jié)構(gòu)化(AUS)理論，改進轉(zhuǎn)換系統(tǒng)，成功實現(xiàn)語音轉(zhuǎn)換，解決了在轉(zhuǎn)換系統(tǒng)中，源與目標(biāo)相同音素聚類的GMM分量如何對齊這一難題，通過系統(tǒng)實驗，取得了階段性
3、成果。(6)以基于GMM的源與目標(biāo)聯(lián)合建模的模型為藍本，比較獨立建模的轉(zhuǎn)換系統(tǒng)，相對于同樣的測試語音，其結(jié)果的差異性。關(guān)鍵字：語音轉(zhuǎn)換，獨立建模，GMM作者：徐小峰指導(dǎo)老師：俞一彪TheResearchoficeConve"S)；toBasedlCe0nversionSystemase0nGMMwithIndependentSpeakermodelingAbstractVoiceconversionischangingonespeaker’S(sourcespeaker)acousticfeaturestoanother(targetspeaker
4、)，thenitwasheardasifutteredbytargetspeaker．Itcontainsatmostallthebranchesofspeechsignalprocessingarea，sotheresearchisusefulforspeechcodec，speechsynthesis，speechenhancement，speechrecognition，etc．inthisdissertation，anindependentspeakermodelingvoiceconversionalgorithmbasedonGMMis
5、proposed，themainworkasfollows：(1)proposedanewmethodbasedonindependentspeakermodeling，sourceandtargetacousticfeaturesismodeledindependentbyGMM，thisalgorithmnotonlyavoidthedisadvantagesoftraditionalmethodthatneedsparallelvoicedatabase，butalsoreducecomplexdegreeofthesystem，especi
6、allyinmulti—peopleconversionsystem．．(2)thesystemadoptdynamicrulesintransformationprocess，whichadjustrulesreal-timeaccordingtoinputspeechdata,SOthespectrumconversionismoreaccuratethangeneralmethod．．(3)chooselinearpredictionsynthesisplatform，thenuseGMMtrainingsourceandtargetlpcc
7、features，attheend，transformthetestspeech，analysistheresultsandgivetheSCOre．(4)chooseSTRAIGHTsynthesisplatform，thenuseSTRAIGHTtogetspectrumenvelope，thenuseGMMtrainingSOurCeandtargetfeatures，transformthetestspeech，analysistheresultandgivethescore．(5)useAUStheorytoimprovesystempe
8、rformance，solutetheproblemthathowtoaligntwomodelcomponents，It
