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
-
张柏芝早就被绿了？谢霆锋10年后终于公开女儿，原来王菲早已知晓
-
-
月球|开始行动了！NASA登月联盟在月球上发现水，却将中国排除在外
-
华为荣耀|突然宣布！荣耀营销经理退休，引发网友猜疑
-
-
Logo设计也可以二次元化，说不准某些图标的灵感正是来自于二次元
-
世界上最古老的四种文字分别是什么 世界上最古老的六大文字
-
-
招聘|用招聘网站的后台告诉你，为什么你投了几百份简历，很少有人回复
-
无敌改装车▲RR：Type-RR，最强思域FD2！Mugen
-
张爱玲|张爱玲在晚年崇尚“极简主义生活”，并非穷困潦倒，稿费拿到手软
-
AutoR智驾 逆行外卖小哥、深夜拥堵轻松应对，元戎启行自动驾驶汽车挑战“宇宙最强街道”
-
-
-
三十年体坛故事|7连杀+赛季双杀！上港仍是国安梦魇 御林军争冠梦碎？
-
-
教育部|教育部重要通知，2条升学途径被堵死！家长无语：之前努力白费了
-
妻子伺候二婚丈夫五年，继子来医院探望一趟，妻子含泪提出离婚
-
-
