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
-
-
人民日报|全球约一半新冠病例集中在3个国家 世卫称世界回不到过去状态
-
-
-
育儿房间儿女扬言断绝关系：如今，宝宝黏上了曾嫌弃自己的姐姐，67岁产女
-
-
-
迪丽热巴|大反转！迪丽热巴黄景瑜双双沉默，狗仔放话怀孕消息来自私家侦探！
-
智米口罩了解一下：让你知道什么样的防霾口罩更“合心”？
-
-
-
半年报|诚志股份收问询函 两子公司亏损商誉减值计提是否充分
-
-
我国最“危险”的村子：四周都是悬崖峭壁，出门只能靠铁笼子
-
好六网|DNF：“一笑”对水友太好，免费花3500帮打造，还为水友谋2万福利
-
水镜晓先生：已火速召回80万预备役，美军即将有大动作？命令海外公民迅速回国
-
「邵逸夫」刚刚，合肥交警集中回应电动车上牌问题！这种情况下罚款200元......
-
微信|季后赛为何那么硬？巴特勒摊牌了：我要为队友们带来一个总冠军
-
中国经济导报网 戴尔首家服务小企业的解决方案中心落户深圳
-
