>[0189] 第三訓練單元，用于根據(jù)所述對應關系訓練轉換模型參數(shù)；
[0190] 合并單元，用于將所述源發(fā)音人模型參數(shù)、轉換模型參數(shù)、以及目標發(fā)音人模型參 數(shù)進行合并，得到所述源發(fā)音人和目標發(fā)音人的頻譜包絡變換模型參數(shù)。
[0191] 基于上述構建的頻譜包絡變換模型，上述頻譜包絡特征轉換模塊703對從源發(fā)音 人的語音信號中提取的頻譜包絡特征進行轉換，得到轉換后的頻譜包絡特征。上述頻譜包 絡特征轉換模塊703的一種具體結構包括：條件概率分布計算單元和轉換特征確定單元。 其中：所述條件概率分布計算單元于根據(jù)所述頻譜包絡變換模型計算所述頻譜包絡特征的 條件概率分布；所述轉換特征確定單元用于根據(jù)所述條件概率分布確定轉換后的頻譜包絡 特征。具體的計算過程可參照前面本發(fā)明方法實施例中的描述，在此不再贅述。
[0192] 本發(fā)明實施例實現(xiàn)聲音轉換的系統(tǒng)，基于頻譜包絡變換模型將源發(fā)音人語音信號 的頻譜包絡特征變換為目標發(fā)音人的頻譜包絡特征，然后，基于變換后的頻譜包絡特征及 基頻特征生成目標發(fā)音人的語音信號。由于頻譜包絡特征是從高維頻譜包絡中提取出來 的，是語音信號最直接、準確的表示，因此可以大大提高頻譜包絡變換的有效性和準確性， 進而提高聲音轉換的效果。
[0193] 本說明書中的各個實施例均采用遞進的方式描述，各個實施例之間相同相似的部 分互相參見即可，每個實施例重點說明的都是與其他實施例的不同之處。尤其，對于系統(tǒng)實 施例而言，由于其基本相似于方法實施例，所以描述得比較簡單，相關之處參見方法實施例 的部分說明即可。以上所描述的系統(tǒng)實施例僅僅是示意性的，其中所述作為分離部件說明 的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是 物理單元，即可以位于一個地方，或者也可以分布到多個網絡單元上。可以根據(jù)實際的需要 選擇其中的部分或者全部模塊來實現(xiàn)本實施例方案的目的。本領域普通技術人員在不付出 創(chuàng)造性勞動的情況下，即可以理解并實施。
[0194] 以上對本發(fā)明實施例進行了詳細介紹，本文中應用了【具體實施方式】對本發(fā)明進行 了闡述，以上實施例的說明只是用于幫助理解本發(fā)明的方法及設備；同時，對于本領域的 一般技術人員，依據(jù)本發(fā)明的思想，在【具體實施方式】及應用范圍上均會有改變之處，綜上所 述，本說明書內容不應理解為對本發(fā)明的限制。
【主權項】
1. 一種實現(xiàn)聲音轉換的方法，其特征在于，包括： 獲取源發(fā)音人的語音信號； 提取所述語音信號的頻譜包絡特征和基頻特征； 根據(jù)預先構建的頻譜包絡變換模型對所述頻譜包絡特征進行轉換，得到轉換后的頻譜 包絡特征； 根據(jù)轉換后的頻譜包絡特征和轉換后的基頻特征生成目標發(fā)音人的語音信號。2. 根據(jù)權利要求1所述的方法，其特征在于，所述提取所述語音信號的頻譜包絡特征 包括： 對于每一幀語音幀，提取其上下多幀的頻譜包絡特征作為所述語音幀的頻譜包絡特 征。3. 根據(jù)權利要求1所述的方法，其特征在于，按以下方式構建頻譜包絡變換模型： 獲取訓練語音數(shù)據(jù)，所述訓練語音數(shù)據(jù)包括源發(fā)音人語音數(shù)據(jù)及目標發(fā)音人語音數(shù) 據(jù)； 提取所述訓練語音數(shù)據(jù)的頻譜包絡特征； 確定源發(fā)音人的頻譜包絡特征與目標發(fā)音人的頻譜包絡特征的對應關系； 確定源發(fā)音人和目標發(fā)音人的頻譜包絡變換模型拓撲結構； 根據(jù)所述對應關系訓練所述源發(fā)音人和目標發(fā)音人的頻譜包絡變換模型參數(shù)。4. 根據(jù)權利要求3所述的方法，其特征在于，所述確定源發(fā)音人的頻譜包絡特征與目 標發(fā)音人的頻譜包絡特征的對應關系包括： 以語音幀為單位，提取所述訓練語音信號的美爾倒譜特征序列； 將源發(fā)音人的美爾倒譜特征序列與目標發(fā)音人的美爾倒譜特征序列對齊； 根據(jù)所述源發(fā)音人的美爾倒譜特征序列與目標發(fā)音人的美爾倒譜特征序列的對應關 系，確定源發(fā)音人的頻譜包絡特征與目標發(fā)音人的頻譜包絡特征的對應關系。5. 根據(jù)權利要求3所述的方法，其特征在于，所述確定源發(fā)音人和目標發(fā)音人的頻譜 包絡變換模型拓撲結構包括： 利用第一 RBM模型模擬源發(fā)音人頻譜包絡分布特點，并將其作為源發(fā)音人模型； 利用第二RBM模型模擬目標發(fā)音人頻譜包絡分布特點，并將其作為目標發(fā)音人模型； 利用BBAM模型模擬源發(fā)音人和目標發(fā)音人之間的參數(shù)傳遞關系，并將其作為轉換模 型； 拼接所述源發(fā)音人模型、轉換模型、以及目標發(fā)音人模型，得到源發(fā)音人和目標發(fā)音人 的頻譜包絡變換模型拓撲結構。6. 根據(jù)權利要求5所述的方法，其特征在于，所述根據(jù)所述對應關系訓練所述源發(fā)音 人和目標發(fā)音人的頻譜包絡變換模型參數(shù)包括： 獲取訓練數(shù)據(jù)，所述訓練數(shù)據(jù)包括源發(fā)音人頻譜包絡數(shù)據(jù)和目標發(fā)音人頻譜包絡數(shù) 據(jù)； 根據(jù)所述源發(fā)音人頻譜包絡數(shù)據(jù)訓練源發(fā)音人模型參數(shù)，并根據(jù)所述目標發(fā)音人頻譜 包絡數(shù)據(jù)訓練目標發(fā)音人模型參數(shù)； 根據(jù)所述對應關系訓練轉換模型參數(shù)； 將所述源發(fā)音人模型參數(shù)、轉換模型參數(shù)、以及目標發(fā)音人模型參數(shù)進行合并，得到所 述源發(fā)音人和目標發(fā)音人的頻譜包絡變換模型參數(shù)。7. 根據(jù)權利要求6所述的方法，其特征在于，所述根據(jù)所述對應關系訓練轉換模型參 數(shù)包括： 從所述訓練數(shù)據(jù)中采樣得到轉換模型參數(shù)訓練數(shù)據(jù)； 基于所述轉換模型參數(shù)訓練數(shù)據(jù)訓練轉換模型參數(shù)。8. 根據(jù)權利要求1至7任一項所述的方法，其特征在于，所述根據(jù)預先構建的頻譜包絡 變換模型對所述頻譜包絡特征進行轉換，得到轉換后的頻譜包絡特征包括： 根據(jù)所述頻譜包絡變換模型計算所述頻譜包絡特征的條件概率分布； 根據(jù)所述條件概率分布確定轉換后的頻譜包絡特征。9. 一種實現(xiàn)聲音轉換的系統(tǒng)，其特征在于，包括： 語音信號獲取模塊，用于獲取源發(fā)音人的語音信號； 特征提取模塊，用于提取所述語音信號的頻譜包絡特征和基頻特征； 頻譜包絡特征轉換模塊，用于根據(jù)預先構建的頻譜包絡變換模型對所述頻譜包絡特征 進行轉換，得到轉換后的頻譜包絡特征； 語音生成模塊，用于根據(jù)轉換后的頻譜包絡特征和轉換后的基頻特征生成目標發(fā)音人 的語音信號。10. 根據(jù)權利要求9所述的系統(tǒng)，其特征在于，所述系統(tǒng)還包括：頻譜包絡變換模型構 建模塊，所述頻譜包絡變換模型構建模塊包括： 訓練語音數(shù)據(jù)獲取單元，用于獲取訓練語音數(shù)據(jù)，所述訓練語音數(shù)據(jù)包括源發(fā)音人語 音數(shù)據(jù)及目標發(fā)音人語音數(shù)據(jù)； 特征提取單元，用于提取所述訓練語音數(shù)據(jù)的頻譜包絡特征； 對應關系確定單元，用于確定源發(fā)音人的頻譜包絡特征與目標發(fā)音人的頻譜包絡特征 的對應關系； 拓撲結構確定單元，用于確定源發(fā)音人和目標發(fā)音人的頻譜包絡變換模型拓撲結構； 參數(shù)訓練單元，用于根據(jù)所述對應關系訓練所述源發(fā)音人和目標發(fā)音人的頻譜包絡變 換模型參數(shù)。11. 根據(jù)權利要求10所述的系統(tǒng)，其特征在于，所述對應關系確定單元包括： 第一提取單元，用于以語音幀為單位，提取所述訓練語音信號的美爾倒譜特征序列； 對齊單元，用于將源發(fā)音人的美爾倒譜特征序列與目標發(fā)音人的美爾倒譜特征序列對 齊； 第一確定單元，用于根據(jù)所述源發(fā)音人的美爾倒譜特征序列與目標發(fā)音人的美爾倒譜 特征序列的對應關系，確定源發(fā)音人的頻譜包絡特征與目標發(fā)音人的頻譜包絡特征的對應 關系。12. 根據(jù)權利要求10所述的系統(tǒng)，其特征在于，所述拓撲結構確定單元包括： 源發(fā)音人模型單元，用于利用第一 RBM模型模擬源發(fā)音人頻譜包絡分布特點，并將其 作為源發(fā)音人模型； 目標發(fā)音人模型單元，用于利用第二RBM模型模擬目標發(fā)音人頻譜包絡分布特點，并 將其作為目標發(fā)音人模型； 轉換模型單元，用于利用BBAM模型模擬源發(fā)音人和目標發(fā)音人之間的參數(shù)傳遞關系， 并將其作為轉換模型； 拼接單元，用于拼接所述源發(fā)音人模型、轉換模型、以及目標發(fā)音人模型，得到源發(fā)音 人和目標發(fā)音人的頻譜包絡變換模型拓撲結構。13. 根據(jù)權利要求12所述的系統(tǒng)，其特征在于，所述參數(shù)訓練單元包括： 獲取頻譜包絡訓練數(shù)據(jù)單元，用于獲取訓練數(shù)據(jù)，所述訓練數(shù)據(jù)包括源發(fā)音人頻譜包 絡數(shù)據(jù)和目標發(fā)音人頻譜包絡數(shù)據(jù)； 第一訓練單元，用于根據(jù)所述源發(fā)音人頻譜包絡數(shù)據(jù)訓練源發(fā)音人模型參數(shù)； 第二訓練單元，用于根據(jù)所述目標發(fā)音人頻譜包絡數(shù)據(jù)訓練目標發(fā)音人模型參數(shù)； 第三訓練單元，用于根據(jù)所述對應關系訓練轉換模型參數(shù)； 合并單元，用于將所述源發(fā)音人模型參數(shù)、轉換模型參數(shù)、以及目標發(fā)音人模型參數(shù)進 行合并，得到所述源發(fā)音人和目標發(fā)音人的頻譜包絡變換模型參數(shù)。14. 根據(jù)權利要求9至13任一項所述的系統(tǒng)，其特征在于，所述頻譜包絡特征轉換模塊 包括： 條件概率分布計算單元，用于根據(jù)所述頻譜包絡變換模型計算所述頻譜包絡特征的條 件概率分布； 轉換特征確定單元，用于根據(jù)所述條件概率分布確定轉換后的頻譜包絡特征。
【專利摘要】本發(fā)明涉及語音合成技術領域，公開了一種實現(xiàn)聲音轉換的方法及系統(tǒng)，該方法包括：獲取源發(fā)音人的語音信號；提取所述語音信號的頻譜包絡特征和基頻特征；根據(jù)預先構建的頻譜包絡變換模型對所述頻譜包絡特征進行轉換，得到轉換后的頻譜包絡特征；根據(jù)轉換后的頻譜包絡特征和基頻特征生成目標發(fā)音人的語音信號。利用本發(fā)明，可以有效提高轉換語音的音質。
【IPC分類】G10L15/02, G10L13/02
【公開號】CN105023570
【申請?zhí)枴緾N201410182517
【發(fā)明人】陳凌輝, 江源, 凌震華, 胡國平, 胡郁, 劉慶峰
【申請人】安徽科大訊飛信息科技股份有限公司
【公開日】2015年11月4日
【申請日】2014年4月30日