高斯混合模型和码本映射相结合的语音转换算法.pdfVIP

高斯混合模型和码本映射相结合的语音转换算法 1 2 1 2 3 康永国 ，双志伟 ，陶建华 ，张维 ，徐波 １ 模式识别国家重点实验室，中科院自动化所，100080 E-mail: {ygkang, jhtao}@ ２ IBM 中国研究中心，100072 E-mail: {shuangzw，zhangwei ｝@ ３高科技创新中心，中科院自动化所，100080 E-mail: xubo@ 摘要 过平滑的转换特征，而过平滑的语音转换特征降低了转换语 音的音质。 文中分析了语音转换系统中使用高斯混合模型转换声 本文认为GMM转换的特征可以分为由高斯均值矢量得 学特征时预测的特征出现过平滑的问题，认为由于协方差估 到的基本特征曲线和由高斯协方差矩阵与相对于高斯均值 计不准确导致的转换特征细节信息的丢失是过平滑问题的 的偏移矢量得到的细节特征曲线两个部分。经过统计分析发 主要原因，因此提出了使用码本映射和高斯混合模型共同转 现过平滑产生的原因在于协方差参数估计不准确导致的细 换声学特征细节的混合映射算法。实验结果表明，根据混合 节特征的丢失，因此提出了使用码本映射方法对偏移矢量进 映射算法中码本映射所占比例的不同，新的方法比常规高斯 行细节特征重建的方法来解决过平滑问题。文中第二部分在 混合模型性能指标在最优情况下提升了 27.2017% ； 主观测 分析GMM模型产生过平滑现象的原因后，提出了结合高斯 试也证明了提出方法得到的转换语音的音质和与目标说话 混合模型和码本映射方法的混合映射算法。接着在第三部分 人的相似度都有不同程度的提高。 介绍我们的语音转换系统，最后给出系统评价和总结。 关键词：语音转换; 混合映射算法; 2. 语音特征的混合映射算法 1. 引言 2.1. 高斯混合模型 语音转换是一项改变说话人声音特征的技术，可以将一 高斯混合模型（GMM ）是不同的高斯函数的线性组合， 人的语音模式转换为与其音色不同的另一人语音模式。声音 其表达形式为： 转换算法的目标是建立一个模式转换规则，使转换语音保持 Q Q 第一个说话人即源说话人原有语音信息内容不变，而具有第 p (x ) ∑α N (x ;μ ;Σ ),∑α 1,α ≥0 q q q q q 二个说话人即目标说话人的声音特点[1]。