[发明专利]一种非平行文本条件下的语音转换方法

摘要

本发明提供一种非平行文本条件下的语音转换方法，属于语音信号处理技术领域。该方法首先对语音音素分类，其次对分类后的语音帧基于谐波加噪声模型进行分解，提取特征矢量；接着在每类音素集合中建立特征参数的转换函数，通过对每一类音素的频谱特征矢量，基于主成分语音分析建立非平行文本条件下的频谱转换模型；最后在转换阶段，形成目标说话人的估计特征，得到转换后的语音。本发明不仅能够有效分离语音信号中的语义信息和话者身份信息，增强转换语音中的话者信息，而且克服了训练阶段要求平行语料的限制，实现了非平行文本条件下的语音转换，同时降低了对语料数据量的依赖。

主权项

一种非平行文本条件下的语音转换方法，其特征在于，包括训练阶段和转换阶段，其中所述训练阶段包括如下步骤：步骤A，语音信号预处理步骤：分别对输入语音信号依次进行预加重、分帧和加窗处理，所述输入语音信号分别包括目标说话人、源说话人、参考目标说话人的语音信号；步骤B，元音帧提取步骤：根据频域能量分布特征，分别判定经步骤A预处理后的目标说话人、源说话人、参考目标说话人的语音信号中元音的位置，分别提取目标说话人、源说话人、参考目标说话人的语音信号中的元音帧；步骤C，元音帧的音素分类，对步骤B提取到的目标说话人、源说话人、参考目标说话人的元音帧，根据汉语元音映射表分别进行音素分类；步骤D，元音帧的语音特征提取：基于谐波加噪声模型对分类后的元音帧分别进行分解，分别求取目标说话人、源说话人、参考目标说话人的元音帧中的谐波成分和噪声成分，然后对谐波加噪声模型的参数进一步降维，提取元音帧中线性谱频率参数，最终分别得到目标说话人、源说话人、参考目标说话人的元音帧的特征矢量，所述特征矢量包括频谱特征和韵律特征；步骤E，对于步骤D提取到的源说话人的元音帧的特征矢量，训练HMM音素分类模型；步骤F，对于频谱特征矢量，建立频谱特征转换模型：F1，对步骤D所述源说话人的频谱特征和参考目标说话人的频谱特征分别建立高斯混合模型，分别以各自高斯混合模型的均值矢量构成超矢量，然后对所有超矢量进行主成分分析，提取基矢量和偏移量，从而建立主成分语音模型；F2，模型自适应：采用步骤D所述目标说话人的频谱特征对步骤F1得到的主成分语音模型进行模型自适应，得到源说话人与目标说话人的频谱特征转换模型；步骤G，对步骤D得到的源说话人和目标说话人的韵律特征采用单高斯建模，得到各自的均值和方差； 所述转换阶段包括如下步骤：步骤H，输入源说话人新的语音信号，对源说话人输入的新的语音信号依次进行上述步骤A‑步骤D所述的操作，得到源说话人新的语音信号中元音帧的特征矢量，采用上述步骤E得到的HMM音素分类模型进行音素分类；步骤I，采用步骤F2得到的源说话人与目标说话人的频谱特征转换模型进行语音频谱转换，得到转换后的目标说话人的频谱特征；步骤J，对于步骤H中得到的源说话人的韵律特征，采用步骤G得到的单高斯模型进行韵律转换，得到转换后的目标说话人的韵律特征；步骤K，对步骤F将转换后的频谱特征和韵律特征经过谐波加噪声模型进行合成，最终得到转换后的语音。