[发明专利]基于改进的STARGAN和x向量的多对多说话人转换方法在审
| 申请号： | 201910874820.6 | 申请日： | 2019-09-17 |
| 公开（公告）号： | CN110600046A | 公开（公告）日： | 2019-12-20 |
| 发明（设计）人： | 李燕萍;曹盼;张燕 | 申请（专利权）人： | 南京邮电大学 |
| 主分类号： | G10L21/007 | 分类号： | G10L21/007;G10L25/30;G10L13/033 |
| 代理公司： | 32204 南京苏高专利商标事务所(普通合伙) | 代理人： | 刘文闻 |
| 地址： | 210003 江苏*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于改进的STARGAN与x向量的多对多说话人转换方法，包括训练阶段和转换阶段，使用了改进的STARGAN与x向量相结合来实现语音转换系统，该方法是对STARGAN在语音转换应用中的进一步改进，其中，提出的两步式对抗性损失能够有效解决由于循环一致性损失利用L1造成的过平滑问题，而且生成器采用2‑1‑2D CNN网络，能够较好地提升模型对于语义的学习能力以及语音频谱的合成能力，克服STARGAN中转换后语音相似度与自然度较差的问题。同时x向量对于短时话语具有更好的表征性能，能够充分表征说话人的个性特征，实现了一种非平行文本条件下的高质量多对多语音转换方法。 | ||
| 搜索关键词： | 向量 语音转换 多对多 语音转换系统 语音相似度 改进 语义 个性特征 合成能力 文本条件 学习能力 训练阶段 有效解决 语音频谱 转换阶段 转换 非平行 两步式 生成器 自然度 平滑 话语 应用 网络 | ||
【主权项】：
1.一种基于改进的STARGAN和x向量的多对多说话人转换方法，其特征在于包括训练阶段和转换阶段，所述训练阶段包括以下步骤：/n(1.1)获取训练语料，训练语料由多名说话人的语料组成，包含源说话人和目标说话人；/n(1.2)将所述的训练语料通过WORLD语音分析/合成模型，提取出各说话人语句的频谱包络特征x、基频特征以及代表各说话人个性化特征的x向量X-vector；/n(1.3)将源说话人的频谱包络特征x
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京邮电大学，未经南京邮电大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910874820.6/，转载请声明来源钻瓜专利网。
