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
-
青年|王者荣耀白起深夜经过妲己窗外，妲己以为是死神来了，结果……
-
-
-
刘哥说军事|无人机当即被烧毁坠海，美海军大喜过望，一束强光射向太平洋上空
-
-
抹香鲸|意大利海域一抹香鲸被非法捕捞渔网缠住，受惊不让接近，救援艰难
-
-
【施耐德电气|需要几步？，搭建都市智慧新“动脉”】
-
汽车|买车便宜了！部分乘用车车辆购置税减半：6月1日起实施
-
【carsee车影】这国产车耐看耐用，动力带T，13.38万起售，好车不怕晚
-
-
河东三叔：人类航空史上最大作战机型B-36远程战略轰炸机，十发巨人
-
-
武老板说娱别人照片干净清爽，看到撒贝宁的结婚照：央视的特权？，同样是结婚照
-
智通财经■| 瑞德西韦临床试验达标利好酒店业，华住酒店(HTHT.US)涨超7%，美股异动
-
-
请不要叫我测评君 APP指日可待？，三款苹果自研芯片Mac发布，电脑运行iOS
-
贾玲全身照曝光，现在111斤比电影里还瘦，聊到减肥一度哽咽了
-
初凉|杨超越狠心拔掉贾乃亮输气管，亮哥：终究是一片真心错付了
-
加拿大短片《华人抗疫记》：致敬坚守在岗位上的每一位平凡英雄
