基于HMM的发音人转换系统的中期报告.docxVIP

基于HMM的发音人转换系统的中期报告

中期报告

基于HMM的发音人转换系统

一、项目介绍

发音人转换系统是一种能够将一个人说话的语音转换成另一个人说话的语音的技术。在语音识别、情感识别、语音合成等领域有广泛的应用。本项目基于HMM（隐马尔可夫模型）实现了一个发音人转换系统，前期工作已经完成了音频数据的预处理，音频特征提取和对齐等工作，中期主要完成HMM模型的训练和评测。

二、进展情况

1.模型训练

本项目使用了HTK（HiddenMarkovModelToolkit）工具进行HMM模型的训练。首先需要设计模型的拓扑结构，这里采用了三状态左右闭合链。然后根据前期处理得到的音频数据，生成训练帧，并将训练帧与相应的标签进行对齐，用来训练HMM的状态转移矩阵和输出概率矩阵。最后，进行训练参数的估计和调整，生成最终的HMM模型。

2.模型评测

为了评测本系统的转换效果，我们选取了部分测试集音频进行评测。首先，将测试集音频输入系统中，转换成目标发音人的语音，并对比原始音频和转换后的音频，得到转换效果。同时，我们使用了CepstralMeanNormalization（CMN）和DynamicTimeWarping（DTW）两种方法进行了评测。通过计算CMN和DTW的得分，分别表示了转换音频的质量和与原音频的相似度。

三、目前存在问题

1.模型训练效果不够理想，转换效果存在一定的差