基于实例化的语音转换

【作者】 张少飞； 谢磊； 明怀平； 黄东延；

【机构】 西北工业大学计算机学院； 新加坡资讯通讯研究院人类语言技术部；

【摘要】 <正>人发出的声音通常包含三种信息:内容、音色和韵律。在声学特征层面,音色通常是通过谱包络来表征,韵律特征通常包括基频,能量和时长。通常,语音转换系统的目标即:不改变语音内容的前提下,改变源说话人的音色或者韵律,使之听起来像是目标说话人发出的声音。语音转换系统的应用场景很多,包括TTS语料库构造、协助发音、说话人转换、口音转换、情感转换、歌唱转换、窄更多还原