【摘要】 本发明公开了一种基于简化自适应内插加权谱模型的语音转换及重构方法。在语音分析阶段省略了非周期成分的提取过程，从而简化并避免了非周期成分参数的输出。同时，在语音合成阶段又基于平滑功率谱参数建立高斯混合模型，对非周期成分参数进行估计和重构，从而满足原传统模型的输入参数要求。该简化模型与传统模型相比，其合成语音质量总体相当，在男声语音方面甚至更优于传统模型。此外，由于在分析阶段中省略了复杂的非周期成分提取过程，使得简化方法模型的计算量大为减小。 【专利类型】发明授权 【申请人】河海大学常州校区 【申请人类型】学校 【申请人地址】213022 江苏省常州市晋陵北路200号 【申请人地区】中国 【申请人城市】常州市 【申请人区县】新北区 【申请号】CN201210401029.1 【申请日】2012-10-19 【申请年份】2012 【公开公告号】CN102930863B 【公开公告日】2014-05-28 【公开公告年份】2014 【授权公告号】CN102930863B 【授权公告日】2014-05-28 【授权公告年份】2014.0 【IPC分类号】G10L13/00; G10L13/08 【发明人】汤一彬; 高远; 徐宁; 单鸣雷; 朱昌平; 蒋爱民; 韩庆邦; 殷澄 【主权项内容】一种基于简化自适应内插加权谱模型的语音转换及重构方法，其特征在于，包括非周期成分参数重构过程，所述的非周期成分参数重构过程，包含以下步骤：(1)、训练阶段：(1a)、在美尔倒谱系数MFCC获取模块中输入平滑功率谱参数的训练集{Pi(w)}，1≤i≤T，获得对应的美尔倒谱MFCC系数集{Mi}，其中Mi=DCT{logΦPi(w)}，Φ为人类听觉感知的权重函数, DCT{.}表示离散余弦变换，T为语音总帧数；(1b)、在高斯混合模型GMM模块中对MFCC系数集采用进行最大期望值EM算法训练，更新高斯混合模型GMM中各状态参数，直至参数稳定为止，并记录高斯混合模型GMM中的各状态参数，备重构阶段使用；对于高斯混合模型GMM，设输入参数集为{xi}={Mi}，1≤i≤T，设输入参数为x的概率分布p(x)为：p(x)=Σ q=1Qα qN(x; μ q; Σ q), ]]>约束条件为Σ q=1Qα q=1, α q≥ 0, ]]>其中, Q, αq分别为高斯成分数量及对应权重系数，μq，Σq分别为第q个D维高斯正态分布N(x; μq; Σq)的均值和协方差矩阵，1≤q≤Q，正态分布N(x; μq; Σq)定义为：N(x; μ q; Σ q)=1(2π )D/2 【当前权利人】河海大学常州校区 【当前专利权人地址】江苏省常州市晋陵北路200号 【统一社会信用代码】12320400467289477N 【引证次数】6.0 【他引次数】6.0 【家族引证次数】6.0 【家族被引证次数】9

未经允许不得转载：http://www.zhongzhencnc.com/1789896613.html