改进深度信念网络在语音转换中的应用

作者：王文浩; 张筱; 万永菁^*

来源：浙江大学学报(工学版), 2019, 53(12): 2372-2380.

• 深度信念网络(DBN)
• 语音转换
• 区域融合谱特征
• 误差修正网络
• 谱失真度

综合考虑语音帧间关系及后处理网络的效果,提出一种改进的基于深度信念网络(DBN)的语音转换方法.该方法利用线性预测分析-合成模型提取说话人线性预测谱的特征参数,构建基于区域融合谱特征参数的深度信念网络用以预训练模型,经过微调阶段后引入误差修正网络以实现细节谱特征的补偿.对比实验结果表明,随着训练语音帧数的增加,转换语音的谱失真呈下降趋势.同时,在训练语音帧数较少的情况下,改进方法在异性间转换的谱失真小于50%,在同性间转换的谱失真小于60%.实验结果表明,改进方法的谱失真度较传统方法降低约6.5%,且同性别间转换效果比异性间转换效果更为明显,转换后语音的自然度和可理解度明显提高.

• 出版日期2019
• 单位华东理工大学