运用核聚类和偏最小二乘回归的歌唱声音转换

摘要：

语音转换是计算机听觉领域的热点问题之一，将歌声运用于语音转换是一种新的研究方向，同时拓宽了语音转换的应用范围。经典的高斯混合模型的方法在少量训练数据时会出现过拟合的现象，而且在转换时并未有效利用音乐信息。为此提出一种歌唱声音转换方法以实现少量训练数据时的音色转换，并且利用歌曲的基频信息提高转换歌声的声音质量。该方法使用核聚类和偏最小二乘回归进行训练得到转换函数，采用梅尔对数频谱近似（ MLSA）滤波器对源歌唱声音的波形直接进行滤波来获得转换后的歌唱声音，以此提高转换歌声的声音质量。实验结果表明，在少量训练数据时，该方法在相似度和音质方面都有更好的效果，说明在少量训练数据时该方法优于传统的高斯混合模型的方法。

关键词：计算机视觉、语音转换、歌唱声音、核聚类、偏最小二乘回归、高斯混合模型、MLSA

所属期刊栏目：11

分类号：TN912;TP37

资助基金：国家自然科学基金资助项目61472393，613031350．

在线出版日期：2016-04-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：55-60