基于隐变量模型的歌曲转换方法研究

发布时间：2017-05-04 09:00

  本文关键词：基于隐变量模型的歌曲转换方法研究，由笔耕文化传播整理发布。

【摘要】：语音转换技术(Voice Conversion)是语音信号处理的一个重要分支,近几年国内外研究学者在该领域取得了许多研究成果。本文研究内容就是要将语音转换技术应用到歌声转换领域,通过改变源唱歌人的语音个性特征使其听起来像目标唱歌人在唱歌,同时维持歌曲内容不变。歌声转换技术将在电影配音、生理学、智能人机交互和生活娱乐等方面均有广阔前景。目前主流的语音转换方法关注于建立源和目标说话人的语音个性特征映射关系,通过这种映射关系建立语音转换模型。因此语音个性特征的表征和提取就成了决定模型好坏的关键。本文在对歌声中语音信号特征表征深入研究的基础上,研究了两种歌曲转换模型:(1)本文构建一种隐变量模型(Latent Variable Model,LVM)将歌曲分解成表示语义的内容信息参数矩阵和体现唱歌人个性特征信息参数矩阵,采用个性特征信息参数矩阵替换的方法转换唱歌人个性特征信息;(2)本文设计了一种基于深度神经网络(Deep Belief Networks,DBN)模型歌曲转换方法。首先分别用提取出的源唱歌人和目标唱歌人语音频谱参数来训练DBN,分别得到其在高阶空间的语音个性特征表征;然后通过人工神经网络(Artificial Neural Networks ANN)来连接这两个高阶空间并进行特征转换;最后使用基于目标唱歌人数据训练出的DBN来对转换后的特征信息进行逆处理得到语音频谱参数,合成转换后的语音。同时,本文进行了实验以对上述两种算法转换性能进行分析,实验表明歌声转换的是具有可行性的。
【关键词】：歌声转换 隐变量模型 深度信念网络模型 语音个性特征
【学位授予单位】：西安建筑科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN912.3
【目录】：

• 摘要3-4
• Abstract4-7
• 第一章 绪论7-11
• 1.1 课题研究背景7
• 1.2 课题研究的目的及意义7-8
• 1.3 国内外研究现状8-10
• 1.4 本文主要研究内容10
• 1.5 本章小结10-11
• 第二章 语音转换基本原理11-25
• 2.1 语音信号的产生机理11-13
• 2.2 语音信号的特征参数13-14
• 2.3 语音转换的关键技术14-19
• 2.3.1 语音信号的预处理14-15
• 2.3.2 语音信号分析合成模型15-17
• 2.3.3 特征参数对齐17-18
• 2.3.4 语音库设计18-19
• 2.4 语音转换系统模型19-24
• 2.4.1 语音转换系统结构19-21
• 2.4.2 经典语音转换模型21-23
• 2.4.3 转换效果的评价方法23-24
• 2.5 本章小结24-25
• 第三章基于隐变量模型的歌声转换方法25-35
• 3.1 隐变量模型的基本知识25-30
• 3.1.1 数据降维的意义25
• 3.1.2 隐变量模型介绍25-26
• 3.1.3 经典隐变量模型26-30
• 3.2 基于隐变量模型的歌声转换算法30-32
• 3.2.1 双因子隐变量模型30-31
• 3.2.2 基于隐变量模型的语音转换方案31-32
• 3.3 实验结果与分析32-34
• 3.4 本章小结34-35
• 第四章 基于深度信念网络模型的歌声转换方法35-50
• 4.1 深度学习的基本知识35-40
• 4.1.1 深度学习发展历史35-36
• 4.1.2 典型的深度学习结构36-39
• 4.1.3 深度学习应用39-40
• 4.2 基于DBN的歌声转换模型40-46
• 4.2.1 DBN的基本原理40-43
• 4.2.2 基于DBN的语音转换算法43-44
• 4.2.3 基于DBN的歌声转换方案44-46
• 4.3 实验结果与分析46-49
• 4.3.1 实验设置46
• 4.3.2 转换语音结果与分析46-49
• 4.4 本章小结49-50
• 第五章 总结与展望50-52
• 参考文献52-55
• 攻读硕士期间主要的研究成果55-56
• 致谢56

【参考文献】

中国期刊全文数据库 前1条

1 余凯;贾磊;陈雨强;徐伟;;深度学习的昨天、今天和明天[J];计算机研究与发展;2013年09期

  本文关键词：基于隐变量模型的歌曲转换方法研究，，由笔耕文化传播整理发布。

本文编号：344739