话者转换的任务定义；
平行语料和非平行语料的话者转换方法；
基于表征解耦的非平行语料话者转换方法 。
话者转换 ， 又称语音转换 ， 英文名为VoiceConversion ， 指的是对源说话人的语音进行处理 ， 使它听起来接近目标发音人 ， 同时保持语音内容不变 。
话者转换技术经过了从规则方法到统计建模的发展历程 。 现阶段的基于统计建模的话者转换方法 ， 其转换过程通常包括三个主要步骤：
源说话人语音输入后 ， 首先经过声码器从语音信号中抽取声学特征 ， 如梅尔谱、基频等；进一步通过声学模型P（Y|X）进行由源说话人声学特征X到目标说话人声学特征Y的映射；映射得到的声学特征最后通过声码器重构语音信号 。
那么什么是平行语料？
在训练阶段 ， 如果源和目标两个说话人朗读过同样的文本 ， 就可以得到他们之间的平行语料 。 基于平行语料 ， 可以直接建立转换模型描述两个说话人声学特征之间的映射关系 。 在转换阶段 ， 输入新的源说话人声音 ， 就可以通过转换模型进行目标说话人声学特征的预测 。
其基本的策略是 ， 两个说话人录制了平行语料后 ， 考虑到两个人的语速、停顿等不一致带来的声学特征序列长度差异 ， 需要先利用动态时间规整（DTW）算法进行序列的对齐 ， 得到等长的X序列和Y序列 。 接着 ， 将每个时刻的源说话人声学特征与目标说话人声学特征进行拼接 ， 进一步训练得到两个发音人声学特征的联合概率模型P(X,Y) 。
不过 ， 基于GMM声学建模的语音转换质量还是不尽如人意 。 一方面转换的音质不够高 ， 声音听起来有机械感；二是和目标人的相似度不够好 。 这些都和声学模型的精度不足有关系 。
针对以上问题 ， 自2013年开始 ， 深度学习被广泛应用与语音转换的各个技术环节 ， 如特征表示、声学建模、声码器等 。 今天重点关注的是声学模型 ， 即如何更好的建模P(Y|X) 。
推荐阅读
-
游戏日报|蓝武也能罚站到底，元气骑士轻松一击500？霰弹枪三代割草利器
-
-
游侠网|唤醒亲人拯救自己，唯美动作冒险《Waking》新预告
-
-
「茶花」“茶花”开花小、开花少，把几个窍门用上，可能早开爆了
-
-
「花开无田」24岁嫁55岁老人，相守10余年，晚年道出心中，她是民国名媛
-
『丰田』丰田爆发了！高颜值旅行车亮相，大7座自带“双人床”，要啥杰德
-
国内赛事|LPL常规赛最后一天，最大看点留在最后，小乐言首次和宁王交手
-
-
陈大宾老师|陈大宾：6.26黄金收官做多还做空？原油操作建议及走势分析
-
豆腐|妈妈给中学生儿子做的一周午餐，吃饱吃好不浪费，拒绝精致穷
-
企业|中国社科院发布《企业社会责任蓝皮书（2020）》，4061家企业抗击疫情捐赠总额351.4亿
-
环球网|蓬佩奥称中国利用疫情削弱民主 赵立坚：美糟糕防疫局面早已扯下美式民主“国王的新衣”
-
-
年轻|牛仔裤显出你的年轻态与活力感，让你时刻充满清纯与时尚的魅力
-
陈晨晨 就会有不一样的结局，晚安心语：不一样的态度
-
二手大众辉腾10万没人要，网友坦言自己不傻，白送也不要
-
女王时尚穿搭|赵丽颖新剧开机却显疲惫，眼袋明显太抢镜，真该好好休息一下了
-
