[发明专利]构建个性化歌唱风格频谱合成模型的方法及装置

权利要求书

1.一种构建个性化歌唱风格频谱合成模型的方法，其特征在于，包括：

训练源发音人朗读风格频谱合成模型和歌唱风格频谱合成模型，其中所述频谱合成模型包括频谱参数模型及对应的决策树；

获取目标发音人朗读风格数据；

根据所述源发音人朗读风格频谱合成模型及所述目标发音人朗读风格数据，确定源发音人与目标发音人的音色转换关系；

根据所述音色转换关系对所述源发音人歌唱风格频谱合成模型进行模型转换，得到目标发音人歌唱风格频谱合成模型。

2.根据权利要求1所述的方法，其特征在于，所述训练源发音人的朗读风格频谱合成模型和歌唱风格频谱合成模型包括：

获取源发音人的朗读风格语音数据和歌唱风格语音数据，并对所述语音数据进行标注；

提取所述语音数据对应的频谱参数；

利用源发音人的朗读风格语音数据对应的频谱参数和标注信息训练源发音人的朗读风格频谱合成模型；

利用源发音人的歌唱风格语音数据对应的声学参数和标注信息训练源发音人的歌唱风格频谱合成模型。

3.根据权利要求2所述的方法，其特征在于，所述朗读风格语音数据标注的信息包括音素序列、音段切分、韵律词和韵律短语；所述歌唱风格语音数据的标注信息包括音素序列、音段切分、韵律词、韵律短语、以及与音乐相关的音高和时值信息。

4.根据权利要求1所述的方法，其特征在于，所述根据所述源发音人朗读风格频谱合成模型及所述目标发音人朗读风格数据，确定源发音人与目标发音人的音色转换关系包括：

从所述源发音人朗读风格频谱合成模型中选择执行自适应的模型；

从所述目标发音人的朗读风格数据中选择所述自适应模型所对应的训练数据；

根据所述训练数据对选择执行自适应的模型进行自适应，得到频谱转换矩阵。

5.根据权利要求1至4任一项所述的方法，其特征在于，所述根据所述音色转换关系对所述源发音人歌唱风格频谱合成模型进行模型转换，得到目标发音人歌唱风格频谱合成模型包括：

根据以下公式获得目标发音人歌唱风格频谱合成模型：

∑^-1＝AA^T

其中，μ和∑为源发音人歌唱风格频谱合成模型的均值和方差，和为转换后的频谱合成模型的均值和方差，即为目标发音人歌唱风格频谱合成模型的均值和方差，[Φ,B]和H为均值和方差的全局转换矩阵，A表示所述方差的分解矩阵。

6.一种构建个性化歌唱风格频谱合成模型的装置，其特征在于，包括：

模型训练模块，用于训练源发音人朗读风格频谱合成模型和歌唱风格频谱合成模型；

数据获取模块，用于获取目标发音人朗读风格数据；

转换关系确定模块，用于根据所述源发音人朗读风格频谱合成模型及所述目标发音人朗读风格数据，确定源发音人与目标发音人的音色转换关系；

转换模块，用于根据所述音色转换关系对所述源发音人歌唱风格频谱合成模型进行模型转换，得到目标发音人歌唱风格频谱合成模型。

7.根据权利要求6所述的装置，其特征在于，所述模型训练模块包括：

数据获取单元，用于获取源发音人的朗读风格语音数据和歌唱风格语音数据，并对所述语音数据进行标注；

参数提取单元，用于提取所述语音数据对应的频谱参数；

第一训练单元，用于利用源发音人的朗读风格语音数据对应的频谱参数和标注信息训练源发音人的朗读风格频谱合成模型；

第二训练单元，用于利用源发音人的歌唱风格语音数据对应的声学参数和标注信息训练源发音人的歌唱风格频谱合成模型。

8.根据权利要求7所述的装置，其特征在于，所述朗读风格语音数据标注的信息包括音素序列、音段切分、韵律词和韵律短语；所述歌唱风格语音数据的标注信息包括音素序列、音段切分、韵律词、韵律短语、以及与音乐相关的音高和时值信息。