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
-
少年包青天|《少年包青天1》女神排行，楚楚飞燕可爱，她最美却没有一句台词
-
体坛列车|联盟弹跳力最差的4大巨星：一人从未扣过篮，一人被称为勉扣之王
-
#新华网#伊朗表示欢迎任何挽救伊核协议的建设性举措
-
享趣看娱乐|下至gl6，雪佛兰沃兰是如此强大的汽车，上至汉兰达
-
『美国』美国再次传来绝望消息，死亡人数超过11万，钟南山：不可思议
-
-
囧王者|魔兽世界怀旧服：4DK的8T战术，和6T战术有什么区别？魔兽世界：怀旧服4DK的8T战术和6T战术有什么区别？以前NAXX的噩梦-天启四骑士
-
-
镜头|原创刘德华老婆不年轻了，但素颜都那么清秀，真实面对镜头不怕拍！
-
球迷的篮球梦|勇士不该排斥KD，美媒评近20年各队犯的最大错误！雷霆因500万丢冠
-
-
-
-
柚妈育儿日记|喝奶都得排队，“全网最忙姥姥”走红！三胞胎女儿又分别生3胞胎
-
晓事体育|一位置郎平面临着痛苦抉择，东京奥运会！六人已经确定参赛名额
-
中国新闻网|外媒：东京奥申委向海外汇款逾11亿日元 用途不明
-
-
「逍遥小辉」差点被熏吐，闲谈钓鱼添加剂：买了一款“红烧肉味”的小药
-
-
