以線性多變量迴歸來對映分段後音框之語音轉換方法

A Voice Conversion Method Mapping Segmented Frames with Linear Multivariate Regression

基於GMM對映之語音轉換方法常遇到的一個問題是，轉換出的頻譜包絡會發生過於平滑（over smoothing）的現象，因此本論文嘗試以線性多變量迴歸（linear multivariate regression, LMR）來建構另一種頻譜對映的方法，希望能夠改進頻譜過平滑的問題。首先，我們推導了LMR對映矩陣的解析求解公式，然後我們錄製平行語料，採用離散倒頻譜係數作為頻譜特徵，分割語音信號成聲、韻母之音段，再使用LMR對映方法來建造出一個語音轉換系統。應用此系統，我們就可進行內部、外部之平均轉換誤差的量測，並且和傳統GMM對映法所量測出的誤差距離作比較，量測的結果顯示，本論文研究的LMR_F對映法，不論是在內部或外部之測試情況，都可以獲得比傳統GMM對映法較小的平均轉換誤差。此外，我們也進行了主觀的語音品質聽測之實驗，聽測實驗的結果顯示，我們研究的LMR_F對映法，其轉換出的語音品值，能夠比傳統GMM對映法的稍好一些。