检索结果-内蒙古大学图书馆

计算机工程与科学 2016年第9期38卷 1950-1954页

作者：王民苏利博王稚慧要趁红西安建筑科技大学信息与控制工程学院陕西西安710055

提出一种将straight模型和深度信念网络DBN相结合实现语音转换的方式。首先,通过straight模型提取出源说话人和目标说话人的语音频谱参数,用提取的频谱参数分别训练两个DBN得到语音高阶空间的个性特征信息;然后,用人工神经网络ANN将两... 详细信息

提出一种将straight模型和深度信念网络DBN相结合实现语音转换的方式。首先,通过straight模型提取出源说话人和目标说话人的语音频谱参数,用提取的频谱参数分别训练两个DBN得到语音高阶空间的个性特征信息;然后,用人工神经网络ANN将两个具有高阶特征的空间连接并进行特征转换;最后,用基于目标说话人数据训练出的DBN来对转换后的特征信息进行逆处理得到语音频谱参数,并用straight模型合成具有目标说话人个性化特征的语音。实验结果表明,采用此种方式获得的语音转换效果要比传统的采用GMM实现语音转换更好,转换后的语音音质和相似度与目标语音更接近。

关键词：语音转换 straight模型深度信念网络高阶空间

来源：评论

学校读者我要写书评

暂无评论

采用straight模型和深度信念网络的语音转换方法

采用STRAIGHT模型和深度信念网络的语音转换方法

引用

作者：苏利博西安建筑科技大学

学位级别：硕士

语音转换就是在保证语义信息不变的前提下,通过对语音的个性特征进行处理,从而使一个人的语音听起来像另外一个人的语音。目前国内外学者在语音转换领域进行了许多研究,比较经典的方法有:基于隐马尔科夫模型(Hidden Markov Model,HMM)... 详细信息

语音转换就是在保证语义信息不变的前提下,通过对语音的个性特征进行处理,从而使一个人的语音听起来像另外一个人的语音。目前国内外学者在语音转换领域进行了许多研究,比较经典的方法有:基于隐马尔科夫模型(Hidden Markov Model,HMM)、频谱弯折(Frequency Warping,FW)码书映射(Codebook Mapping,CM)、人工神经网络(Artificial Neural Networks,ANN),以及采用高斯混合模型(Gaussian Mixture Model,GMM)进行语音转换。其中在国内外学术界最主流的方法是采用GMM模型,并且在实验中取得了不错的语音转换效果。但是采用高斯混合模型对语音进行转换的过程中会出现过平滑现象,而且高斯混合模型本质上就是一种浅层结构模型。浅层模型都有一个共同的缺点,那就是在模型运用不出差错的前提下,特征的好坏直接决定整个系统性能的好坏,而且其特征的维数一般只有几十维,不能充分描述特征之间的相关性和状态空间分布,从而影响转换性能。针对以上这些问题,本文采用straight模型和深度信念网络相结合的方法来实现语音转换,目前深度信念网络主要应用在语音识别方面。首先是利用straight算法对语音进行分析以及合成,这样就避免了传统方法采用GMM模型实现语音转换时出现的过平滑现象,并且对于高斯混合模型来说,它本质上也是一种浅层的结构模型,不能反映语音的的深层特征;其次是利用了深度信念网络来构建语音转换的模型。相对于浅层结构来说,深度信念网络拥有比“浅层”结构更强大的建模和表征能力,能够实现复杂函数逼近。不同于一般的浅层网络,深度信念网络的特点在于:1)强调模型结构的深度;2)突出特征学习的重要性。因此,本文所用方法可以对语音信号中的特征进行充分描述,尽可能保留语音细节特征,从而提高语音转换效果。

关键词：语音转换 straight模型深度信念网络高阶空间

来源：评论

学校读者我要写书评

暂无评论

基于straight模型的语音转换系统研究

引用

山西科技 2020年第5期35卷 60-66页

作者：祝琼珂王光艳江淇罗雨章天津商业大学信息工程学院通信工程系天津300134 天津商业大学信息工程学院天津300134

语音转换是将源说话人的个性特征转换为目标说话人个性特征的过程。主要研究了基于straight模型的语音转换系统原理及实现过程。通过straight模型提取目标语音和源语音的基本频率以及平滑的声道频谱作为特征参数,并将声道频谱转换为LSF... 详细信息

语音转换是将源说话人的个性特征转换为目标说话人个性特征的过程。主要研究了基于straight模型的语音转换系统原理及实现过程。通过straight模型提取目标语音和源语音的基本频率以及平滑的声道频谱作为特征参数,并将声道频谱转换为LSF参数,进行时间对齐和GMM训练。从实验结果数据分析可以看出:由straight模型提取的参数很好地避免了声道谱过平滑的现象,合成后的目标语音与源语音的相似度较高。

关键词：语音转换 straight模型 GMM LSF参数

来源：评论

学校读者我要写书评

暂无评论

基于straight模型和ANN的语音转换方法研究

引用

新一代信息技术 2020年第22期3卷 12-18页

作者：王光艳高丽萍黄奕婷于宝雲天津商业大学信息工程学院天津300134

本文提出一种基于straight模型的人工神经网络语音转换方法,该方法先利用straight模型提取出语音的各特征参数后,再利用人工神经网络来进行模型特征参数的训练,经过不断的信号刺激,得到映射规则,最后再进行语音的特征参数的合成,完成整... 详细信息

本文提出一种基于straight模型的人工神经网络语音转换方法,该方法先利用straight模型提取出语音的各特征参数后,再利用人工神经网络来进行模型特征参数的训练,经过不断的信号刺激,得到映射规则,最后再进行语音的特征参数的合成,完成整个语音转换系统。straight模型能提高转换语音的自然度、清晰度和可懂度。采用ANN进行模型特征参数训练,可以自动迭代更新数据权重,得到的映射规则能更好地规范要转换的特征参数,使得语音转换质量更高。

关键词：语音转换 straight模型人工神经网络

来源：评论

学校读者我要写书评

暂无评论

基于straight模型的语音转换的研究

引用

电脑与电信 2009年第1期 69-70页

作者：马欢南京邮电大学通信与信息工程学院江苏南京210003

随着语音产品在现代社会中的日益推广和普及,语声转换技术也将有着越来越广泛的应用。straight模型与其他的语音模型相比,在语音分析和合成时能获得更高的语音质量。本文主要就语音转换所采用的straight模型、所提取的参数、训练所用的... 详细信息

随着语音产品在现代社会中的日益推广和普及,语声转换技术也将有着越来越广泛的应用。straight模型与其他的语音模型相比,在语音分析和合成时能获得更高的语音质量。本文主要就语音转换所采用的straight模型、所提取的参数、训练所用的高斯混合模型进行了讨论。

关键词：语音转换 straight模型高斯混合模型频谱包络

来源：评论

学校读者我要写书评

暂无评论

基于straight模型和人工神经网络的语音转换

引用

电声技术 2010年第9期34卷 49-52页

作者：张正军杨卫英陈赞上海大学影视艺术技术学院上海200072

采用straight语音分析-合成模型,提取源说话人和目标说话人的基频和光滑声道谱作为表征语音特征的参数。在频谱训练阶段,把声道谱转换成MFCC参数,采用人工神经网络算法对源-目标说话人的MFCC参数进行训练映射。主观和客观试验结果表明,... 详细信息

采用straight语音分析-合成模型,提取源说话人和目标说话人的基频和光滑声道谱作为表征语音特征的参数。在频谱训练阶段,把声道谱转换成MFCC参数,采用人工神经网络算法对源-目标说话人的MFCC参数进行训练映射。主观和客观试验结果表明,该方法能取得较好的转换效果,转换语音和目标语音较接近,易于理解。

关键词： straight模型人工神经网络:语音转换

来源：评论

学校读者我要写书评

暂无评论

一种基于特征融合的耳语音向正常音的转换方法

引用

南京航空航天大学学报 2020年第5期52卷 777-782页

作者：庞聪连海伦周健王华彬陶亮安徽大学计算智能与信号处理教育部重点实验室合肥230039

使用耳语音的频谱包络来预估正常音的基频特征,这类算法在对正常音基频预测的准确性上存在一定不足,在合成语音自然度方面存在着明显欠缺,有时会出现音调失常等问题。本文提出一种声学特征融合的方法,通过双向长短期记忆(Bi‑long short‑... 详细信息

使用耳语音的频谱包络来预估正常音的基频特征,这类算法在对正常音基频预测的准确性上存在一定不足,在合成语音自然度方面存在着明显欠缺,有时会出现音调失常等问题。本文提出一种声学特征融合的方法,通过双向长短期记忆(Bi‑long short‑term memory,BLSTM)深度网络来逐帧预测正常音基频。首先,使用straight模型和相关代码,分别对耳语音和正常音语料进行预处理,提取耳语音的梅尔倒谱系数(Mel‑scale frequency cepstral coefficient,MFCC)、韵律及谱包络特征,正常音的基频与谱包络特征。然后使用BLSTM深度网络,分别建立耳语音和正常音谱包络特征之间映射关系,以及耳语音MFCC、韵律及谱包络特征对正常音基频F0的映射关系。最后根据耳语音的MFCC、韵律及谱包络特征获得对应的正常音基频和谱包络,使用straight模型合成正常音。实验结果表明,相较于仅使用谱包络估计基频,采用此种方法引入语音韵律和MFCC的融合特征是对基频特征的良好补充,解决了音调失常的现象,转换后的语音在韵律上更加接近正常发音。

关键词：语音转换特征融合韵律模型 straight模型双向长短期记忆

来源：评论

学校读者我要写书评

暂无评论

高合成质量的语音转换系统

引用

应用科学学报 2008年第4期26卷 378-383页

作者：徐宁杨震南京邮电大学信号处理与传输研究院江苏南京210003

提出并实现了一种基于straight模型的、合成语音质量较高的语音转换系统.一方面straight模型可以对语音的基频、时长等参数进行较大幅度的修改而不引起合成语音质量的下降,另一方面引入"预测"谱参数的概念,利用搜索预测码书... 详细信息

提出并实现了一种基于straight模型的、合成语音质量较高的语音转换系统.一方面straight模型可以对语音的基频、时长等参数进行较大幅度的修改而不引起合成语音质量的下降,另一方面引入"预测"谱参数的概念,利用搜索预测码书的方法进行转换,既避免了经典系统中GMM模型谱参数估计的过平滑问题,又克服了经典系统基于LPC模型合成语音时,在帧与帧连接处会产生较大脉冲波形的缺点.语谱图分析、ABX测试和MOS分评价结果表明:提出的语音转换算法在合成语音质量和目标说话人特征映射上都远远好于经典的基于LPC模型的GMM转换系统.

关键词： straight模型基频预测谱参数预测语音转换

来源：评论

学校读者我要写书评

暂无评论

基频轨迹转换算法及在语音转换系统中的应用研究

引用

南京邮电大学学报（自然科学版） 2010年第5期30卷 83-87页

作者：陈芝张玲华南京邮电大学通信与信息工程学院江苏南京210003

提出并实现了一种基于广义人工神经网络和straight模型的高效基频轨迹跟踪算法。一方面,straight模型可以对语音信号的基频进行较大幅度的修改而不至于引起合成语音质量的下降。另一方面,利用人工神经网络优良的预测能力,学习源说话人... 详细信息

提出并实现了一种基于广义人工神经网络和straight模型的高效基频轨迹跟踪算法。一方面,straight模型可以对语音信号的基频进行较大幅度的修改而不至于引起合成语音质量的下降。另一方面,利用人工神经网络优良的预测能力,学习源说话人和目标说话人的基频轨迹之间的内在联系,实现基音频率的转换。语谱图分析、主观意见分评价结果表明:提出的基频轨迹跟踪算法在合成语音质量及目标特征映射上都远远好于传统的基频转换算法。

关键词： straight模型基频转换人工神经网络语音转换

来源：评论

学校读者我要写书评

暂无评论

语音转换系统中特征参数的研究

语音转换系统中特征参数的研究

引用

作者：吴丽芳南京邮电大学

学位级别：硕士

语音转换是通过改变与说话人个性特征有关的声学特征参数，使得转换后语音的个性特征与目标说话人更接近。本文重点研究语音转换系统中语音特征参数的有效提取和转换规则，使转换后的合成语音在更接近目标语音的同时，语音的自然度有所... 详细信息

语音转换是通过改变与说话人个性特征有关的声学特征参数，使得转换后语音的个性特征与目标说话人更接近。本文重点研究语音转换系统中语音特征参数的有效提取和转换规则，使转换后的合成语音在更接近目标语音的同时，语音的自然度有所提高。论文主要工作如下： 1.研究了语音发音原理和数学模型、语音转换关键技术，以及语音转换系统的性能评价方法；重点研究了目前常用的几种语音特征参数的提取方法和用于声道特征参数转换的几种经典方法。 2.通过对目前常用的语音特征参数的分析对比可知，MFCC参数基于人耳听觉感知特性，且低频段具有较高谱分辨率的优良特性。同时基于straight模型可以对语音特征参数进行准确提取并进行较大幅度修改，因此本文研究了基于straight模型提取MFCC参数，引入GMM模型进行特征参数转换，构建实验平台进行仿真，实验结果表明转换后语音更加接近于目标语音。 3.在线性预测分析的基础上，提出了一种基于谐波加噪声模型的改进算法。该算法基于HNM模型分解语音信号，提取谐波成分的语音特征参数，并利用线性预测分析法进行谐波逆滤波得到对应的谐波残差激励信号，然后进行转换后的语音合成。最后将经HNM模型分解的语音随机噪声成分叠加到合成语音上进行噪声补偿，提高了转换语音的自然度和目标倾向性。

关键词：语音转换特征提取 MFCC straight模型谐波加噪声模型

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：