面向情感语音转换的韵律转换方法  

Prosody conversion for mandarin emotional voice conversion

作　　者：李贤[1,2] 於俊[1,2] 汪增福[1,3,2] 

机构地区：[1]中国科学技术大学自动化系,合肥230027 [2]语音及语言信息处理国家工程实验室,合肥230027 [3]中国科学院合肥智能机械研究所,合肥230027

出　　处：《声学学报》2014年第4期509-516,共8页Acta Acustica

基　　金：安徽省科技攻关计划语音专项(11010202192);国家自然科学基金(61303150);安徽省自主创新专项资金智能语音技术研发和产业化专项(13Z02008);中国博士后科学基金(2012M521248)资助

摘　　要：面向情感语音转换,该文提出了一种韵律转换方法。该方法包含基频转换和时长转换两个部分,前者选择离散余弦变换(DCT)参数化基频,根据基频的层次结构特点,将基频分解为短语层和音节层两个层次,使用基于混合高斯模型(GMM)的转换方法对两个层次分别进行转换;后者使用基于分类回归树(CART)的方法以声韵母为基本单位对时长进行转换。一个包含三种基本情感的语料库用作训练和测试,客观评测以及主观评测实验结果显示该方法可有效进行情感韵律转换,其中悲伤情感在主观实验中达到了接近100%的正确率。A prosody conversion method was proposed for transforming neutral speech to some required target emotion, in which F0 was modeled by DCT and converted by GMM-based method at both phrase level and syllable level, while duration was converted by CART-based method at phoneme level. A corpus consisted of three basis emotions was used for training and testing. Objective evaluation and The listening test results showed that our method can convert emotional prosody effectively, the sad emotion conversion achieved accuracy of nearly 100% in listening test

关 键 词：混合高斯模型 离散余弦变换 以声 测试者 特征向量 随机顺序 时间区域 对数域 均方根误差 高斯分布 

分 类 号：TN912.3[电子电信—通信与信息系统]