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
-
嘉泽新能27亿收购宁柏基金 上交所问其负债规模提升
-
下饭视频|非科班出生的他，从艺40年拿33个影帝，胡歌在他眼前都说惭愧
-
「钢铁爆料」不在中国却是中国造！，全世界生产能力最大的电炉
-
王诗龄|李湘带女儿出入高端会所，一顶帽子近2万，王诗龄真养“废”了？
-
焦糖老干妈|圆脸来霸屏了！女星都想拥有“肉嘟嘟”的脸蛋，原来是有这个好处
-
-
-
【】武汉巢客公寓8000人房租被骗 老板跑路公司疑换壳行骗
-
-
-
极限挑战|虞书欣刚醒来就被拍，没有精致妆容“庇护”，这模样我真没看错？
-
HomePodmini|这是廉价版的HomePod，还是高价版的“小爱同学”
-
轩辕剑|《轩辕剑柒》公布日版配音阵容七瀬彩夏、福原香织等人献声演出
-
互联网的那点事er苹果旗舰提前清仓，三摄+A13+大屏，上市半年降价1700
-
小李子爱体育|世界羽联称赞林丹是灯塔！国羽掌门人：感谢他为国家队作出的贡献，原创
-
小米有品众筹硬核坦克？收割17434701元，177%达成率
-
黄晓明|好温馨！黄晓明全家在上海过节，带着儿子小海绵一起包饺子
-
-
电竞李先生 为什么不能玩？，解气！小天霸气回怼韩服喷子：盲僧是我的皮肤
-
「兵器次元」F-14远不是极限，头号舰载机让人意外，航母载机重量上限在哪里?
