多參數(shù)驅(qū)動(dòng)的年齡語(yǔ)音轉(zhuǎn)換系統(tǒng).pdf

1、語(yǔ)音轉(zhuǎn)換是指在不改變?cè)凑f(shuō)話人語(yǔ)音的語(yǔ)義的情況下，通過(guò)改變其語(yǔ)音的個(gè)性特征，使轉(zhuǎn)換后的語(yǔ)音具有目標(biāo)說(shuō)話人的個(gè)性特征，從而使得轉(zhuǎn)換后的語(yǔ)音聽起來(lái)與目標(biāo)說(shuō)話人的語(yǔ)音很像。年齡語(yǔ)音轉(zhuǎn)換是語(yǔ)音轉(zhuǎn)換中的一種，是指改變說(shuō)話人語(yǔ)音的年齡信息，使之聽起來(lái)像該說(shuō)話人目標(biāo)年齡時(shí)的語(yǔ)音。本文重點(diǎn)研究基于說(shuō)話人語(yǔ)音特征的個(gè)性化年齡語(yǔ)音轉(zhuǎn)換問(wèn)題，實(shí)際構(gòu)建了由說(shuō)話人語(yǔ)音特征參數(shù)驅(qū)動(dòng)的年齡語(yǔ)音轉(zhuǎn)換系統(tǒng)。
　　論文的主要工作和創(chuàng)新點(diǎn)如下:
　　(1)利用從互

2、聯(lián)網(wǎng)上搜集到的一位男性和一位女性在不同年齡段錄制的語(yǔ)料，建立了一個(gè)小型的年齡語(yǔ)音數(shù)據(jù)庫(kù)。其中，男性語(yǔ)料共176句，涵蓋了該男性12歲、18歲和23歲三個(gè)年齡段的錄制語(yǔ)音;女性語(yǔ)音資料共85句，包括該女性在12歲和20歲兩個(gè)年齡段錄制的語(yǔ)音。每句語(yǔ)音的長(zhǎng)度在5-10s之間。
　　(2)針對(duì)基于線性預(yù)測(cè)編碼(LPC)的語(yǔ)音共振峰提取算法不能很好處理合并峰和虛假峰，導(dǎo)致所提取的共振峰頻率欠準(zhǔn)確的問(wèn)題，提出了一種改進(jìn)的極點(diǎn)交叉線性預(yù)測(cè)算法

3、。這個(gè)算法是通過(guò)修改共振峰極點(diǎn)半徑，達(dá)到減小由極點(diǎn)交叉引起的誤差，從而提高共振峰頻率估計(jì)的準(zhǔn)確度的目的。
　　(3)眾所周知，聲道長(zhǎng)度的不同是導(dǎo)致同一說(shuō)話人不同年齡段的語(yǔ)音聽起來(lái)存在差異的一個(gè)重要因素。為了保證測(cè)試語(yǔ)音經(jīng)年齡語(yǔ)音轉(zhuǎn)換后的輸出與目標(biāo)年齡段的語(yǔ)音聽起來(lái)很像，聲道長(zhǎng)度對(duì)齊是必不可少的技術(shù)。本文分析研究了聲道長(zhǎng)度對(duì)齊技術(shù)中的頻率轉(zhuǎn)換因子估計(jì)和頻率彎折函數(shù)選取兩個(gè)核心問(wèn)題，構(gòu)建了用于年齡語(yǔ)音轉(zhuǎn)換目的的頻譜轉(zhuǎn)換模型。在此基礎(chǔ)上