一种用于语音转换的区域最近邻迭代训练算法
针对非对称语音库情况下的语音转换,该文提出一种新的改进的语音转换训练算法 ILNCA.与原有的训练算法 INCA 不一样的是,ILNCA 首先利用高斯混合模型(GMM)分别对源、目标语音特征参数空间进行分类.然后根据 Kullback–Leibler(KL)距离最小原则对源、目标 GMM 模型的子空间进行匹配,最后利用最近邻准则在相对应的子空间中进行源、目标语音特征参数矢量的对齐.客观测试和主观听觉实验都表明由于该文算法采用了更加精确的矢量对齐方法,能取得比 INCA 算法更优异的转换性能.
语音转换、与文本无关、最近邻准则、迭代训练
TN911.23
2012-10-15(万方平台首次上网日期,不代表论文的发表时间)
共6页
2091-2096