利用谐波显著度和语者音色特征的混合语音中目标人基频轨迹提取

从混合语音中提取出目标语者的基频轨迹,是语音监听、语音门禁、对话管理等应用的关键技术。为提高基频轨迹跟踪的准确率、增强抗八度误差的能力、降低系统复杂度,多基频估计以谐波乘积谱为核心,八度校正与基频分组均以元音段为基本单元,并结合了谐波显著度和语者音色特征。基于MIREX2005语音数据集的实验表明,MIREX的4种多基频估计性能指标均在75%以上,基频分组在混合语音中的判断准确率可达92%。

基于特征比较的语音评分方法研究

为在语言朗读训练时对跟读语音的质量自动作出客观评价并在嵌入式系统上实现,提出了一种基于特征比较的语音评分方法。通过分析输入语音,提取语音特征并与参考标准进行匹配比较,由评分机制根据相似程度大小给出评价得分。实验证明该方法的算法复杂度较低,评分结果符合人的主观感觉。

基于共振峰过渡的协同发音语音合成算法

协同发音是音素在语流中受前后音素的影响,而使2个以上音素的发音特征同时出现的现象.大语料库语音拼接算法获得的语音合成效果最好,但录制语料困难、算法复杂、耗费时间,需要占用很大的存储空间,在应用中存在困难.为此,针对小语料库语音合成,提出参数修改和波形拼接相结合的语音合成方法,通过参数修改方法合成协同发音段,再与自然语音进行波形拼接.实验表明,该算法合成的语音效果较好,而且对语料库内容要求较低.

基于特征比较的声乐评价方法

提取测试声乐和相应原声的音强、音高、气息等特征参数,采用特征匹配方法对各参数进行比较,由评分机制根据其相似程度给出客观评分。建立多媒体声乐客观评价系统,提高了声乐教学的直观性和互动性。仿真实验结果表明,该方法的算法复杂度较低,其评分结果与人的主观感觉相符。

基于深度神经网络的电子音乐音质评估研究

为了降低电子音乐音质评估结果误差,提出基于深度神经网络的电子音乐音质评估方法。利用音频采样、归一化、分帧以及时频与变换等过程完成电子音乐预处理,确定电子音乐浊音段;在此基础上利用维特比算法跟踪浊音段主导基频轨迹,同时利用基频判别模型确定电子音乐主旋律。分析电子音乐主旋律内影响音质的声源特性、音响器材的信号特性、声场特性、听觉特性和立体感等类型的影响因子,引入对照样本,生成样本集。以开源项目Keras人工神经网络库为基础构建由输入层、归一化层、全连接层、激活层共同组成的深度神经网络,将样本集内数据作为输入,通过训练完成电子音乐音质评估。实验结果显示,该方法可准确提取电子音乐主旋律,且所构建模型的AUC值较高。