用于非平行语料的高质量语音转换方法
公开
摘要
本发明用于非平行语料的语音转换方法：(1)获取源说话人的语音数据库，提取源说话人的Mel谱图x，作为转换用的语音特征；(2)创建与源说话人Mel谱图x大小相同的时间掩码m，将m加到x上，填补x上缺少的帧，得到x′；(3)提取源说话人的基音频率F0，将F0经对数高斯归一化变换转换成目标说话人的基频F0′；(4)训练CycleGAN模型，在对抗损失中加入梯度惩罚；(5)变化总体目标函数；(6)将(2)、(3)得到的x′、基频F0′和创建的时间掩码m一起输入生成器GX→Y中，F0′作为辅助特征，调整Mel谱图的转换方向，生成器将x′转换成目标语音的Mel谱图y′；(7)把得到的转换Mel谱图y′馈入声码器中合成语音波形，获得与目标说话人相似的语音。
基本信息
专利标题 ：
用于非平行语料的高质量语音转换方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114582363A
申请号 ：
CN202210156203.4
公开（公告）日 ：
2022-06-03
申请日 ：
2022-02-21
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
简志华韦凤瑜徐嘉金宏辉章子旭吴迎笑游林吴超
申请人 ：
杭州电子科技大学
申请人地址 ：
浙江省杭州市杭州经济技术开发区白杨街道2号大街1158号
代理机构 ：
浙江永鼎律师事务所
代理人 ：
周希良
优先权 ：
CN202210156203.4
主分类号 ：
G10L21/007
IPC分类号 ：
G10L21/007 G10L25/24 G10L25/30
IPC结构图谱
G
G部——物理
G10
乐器；声学
G10L
语音分析或合成；语音识别；语音或声音处理；语音或音频编码或解码
G10L21/00
为了改变语音或声音信号的质量或其可识度而处理语音或声音信号，以产生另一种可听的或非可听的信号，例如视觉信号或触觉信号
G10L21/003
改变声音质量，例如音调或共振峰
G10L21/007
以所使用的处理为特征的
法律状态
2022-06-03 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
