基于正弦谐波模型和BP神经网络的语音变换算法及实现

提出利用语音的正弦谐波模型和BP神经网络实现语音变换算法.提取语音的基音频率,进行高斯建模和变换,实现说话人韵律特征的变换.提取语音的巴克域倒谱参数,作为说话人的频谱特征,送入BP神经网络进行训练,利用训练好的BP网络实现频谱特征的变换.给出了变换实现的系统框图,进行了仿真实验,利用ABX测试对实验结果进行了评测.测试结果表明文中所述算法,较好地实现了语音变换.

针对语音变换的语音篡改检测

针对使用语音变换技术的语音篡改,提出一种自动检测方法。在分析语音变换基本模型和变换语音失真的基础上,提取语音信号的声道参数以及相关的信号统计量,并通过支持向量机递归特征消除法,选择出对语音变换比较敏感的特征作为分类特征,使用支持向量机进行语音变换检测和变换语音的说话人性别判别。对于一种语音变换软件的实验结果表明,该方法具有较高的检测准确率,其中语音变换检测的平均准确率为94.90%,变换语音的说话人性别判别平均准确率为92.09%。

基于Fourier-Bessel展开和Karhunen-Loeve变换的语音变换

为了有效地进行语音变换,改善变换后语音的自然度和目标人倾向度。依据语音信号传播机理和(Fourier-Bessel)展开式系数对语音信号的表现能力,提出了利用F-B展开系数作为变换参数。在该算法中,根据F-B展开系数无语音相位信息的特点,提出基于最大基频相位的语音分帧算法;针对F-B展开式数据量过大的问题,提出了基于Karhunen-Loeve变换的参数压缩算法,转换模型使用GMM(Gaussian mixture model)模型。对算法进行了仿真实验。对变换后语音所进行的ABX测试表明,算法能够较好地完成语音变换,变换后语音的目标人趋向度比较高。

基于正弦谐波模型的语音变换算法及实现

介绍了语音变换的相关技术,分析了利用正弦谐波模型实现语音变换的算法及流程。利用正弦谐波模型对语音进行建模和分解,提取语音的基音频率,利用高斯建模和变换实现语音韵律特征的变换;提取出正弦谐波幅度的后10阶系数,作为语音的频谱特征参数,利用矢量量化和码书映射的方法实现语音频谱特征的变换。提出了一种逐词对应的训练参数对齐方法,给出了具体实现的算法流程。对录制的2段语音利用该算法进行了仿真实验,利用ABX测试对实验结果进行了评估。测试结果显示,该算法得到的变换语音在听觉上有89.3%的概率更接近目标说话人语音。

基于SVR的语音变换映射规则研究

该文介绍了语音变换与支持向量回归(SVR)的基本理论。提出了基于多输出支持向量回归的语音变换特征参数映射规则,并对该映射规则进行了仿真实验。对变换后语音所进行的主客观测试表明,该映射规则对比码书映射和高斯混合模型,能够在参数映射离散性和平滑性之间有效折中,提高语音可懂度。

基于SVR的情感语音变换

提出了一种新的基于支持向量回归(SVR)的情感语音的变换方法.通过提取普通话10种情感语音的韵律特征,对比分析了中性语音和情感语音之间的韵律特征差异,利用SVR建立了基频、时长、能量、停顿等韵律特征参数的预测模型,并利用Straight算法实现了由中性语音向情感语音的转换.利用这种方法变换出的10种情感语音,其情感主观平均(EMOS)得分为3.4.

一种汉语语音变换技术

汉语语音变换技术的目的是将汉语语音中源说话人的语音特征转换为目标说话人语音特征。提出的适用于汉语说话人的变换算法分为3个部分:前两部分用高斯混合模型实现了语音的谱包络(线性预测编码)及其激励(残差)的转换;第三部分采用支持向量回归算法实现语音的韵律变换规则建模,结合汉语语音特点利用基音同步叠加算法实现语音的超音段特征调整。与现有的语音变换算法进行比较,算法针对汉语语音超音段发音特点进行韵律调整,有效实现了汉语语音变换并得到高自然度合成语音,是一种有效的汉语语音变换算法。

利用密集卷积神经网络的语音变换欺骗检测

语音变换欺骗是指利用语音处理算法改变原说话人的语音特征,从而导致说话人识别系统产生极高的错误拒绝率,达到隐藏说话人身份的目的。其实现成本低廉,并且已集成在众多的音频处理工具中,对社会安全带来严重威胁。然而,目前对于变换欺骗的检测研究仍然不足。为此,提出了一种基于密集卷积神经网络的语音变换欺骗检测方法,以区分欺骗语音和真实语音。该网络总共包含135层的网络层,通过最大化短路径地连接强化数据传输,可同时利用深层和浅层的边缘特征进行分类,抑制退化现象,从而进一步提高检测的准确率。实验结果表明,该算法对不同欺骗因子下的欺骗语音的检测准确率超过了98%。

基于深度残差网络的变换语音伪装检测

语音变换(Voice Transformation,VT)是一种隐藏说话人的真实身份的常用操作,它能显著增加自动说话人识别(Automatic Speaker Verification,ASV)系统的错误拒绝率,从而达到防识别的目的.语音变换操作己集成在众多主流的音频/语音处理工具中,并在众多案例中作为犯罪手段,为社会安全带来严重威胁.因此,研究语音变换伪装的检测具有重要意义.但是,目前相关的研究相对不足.为此,本文提出一种基于深度残差网络的变换语音伪装检测方法.所提网络能自动提取语音数据的深层特征,且随着网络层数的增加不会出现梯度退化的现象.另外,本文针对变换操作为语音信号频谱引入的变化特征分布,设计特殊的卷积核和池化,更有利于网络提取特征信息.实验结果表明,本文所提的网络结构可以取得96%以上的精确度,优于目前已报道的研究结果.

虚拟场景中篡改语音检测方法的研究

对虚拟场景中的篡改语音进行检测,可增加语音的安全性。由于在虚拟场景中语音声纹特征无法与外界环境形成互动,使得语音声纹发生突变性变化。传统的检测方法只能通过增加可检测语音数据量对突变性进行制约,当语音信号数量过大时,出现检测效率低的问题。提出一种新的虚拟场景中篡改语音的检测方法,利用虚拟现实技术对语音检测环境建模,在分析语音变换基本原理及构造模型和变换的语音缺失帧的基础上,通过对语音信号的声道参数提取及相应的信号统计量,利用向量机选择出当语音变换发生时随之变换的特征作为分类特征并进行语音变换检测。实验结果表明,上述方法具有较高的检测准确率,实现了对语音变换的语音篡改检测,具有良好的鲁棒性。

语音伪装方法及其防御对策综述

语音伪装是指以隐藏说话人身份为目的对说话人的个性特征进行的改变。近年来,随着智能语音交互技术和声纹认证产品的快速发展,语音伪装被应用到语音产品隐私保护中,但是也被不法分子用以实施违法犯罪行为。因此,语音伪装成为目前语音处理和信息安全领域非常有实用意义的研究问题。在简要介绍语音伪装的典型模型和方法的基础上,梳理了语音伪装威胁量化评估方案,总结了近几年伪装语音的防御对策,分析了目前防御对策中存在的问题及技术难点,并对语音伪装的未来研究发展方向进行了展望。

韩国语拟声拟态词特性及构成法则

在韩国语词汇中,拟声拟态词被称为"最能够集中体现韩国语民族特性的词"。它数量庞大,修饰效果极佳,可为句子起到增光添彩的作用。其在词汇词义、语音文法和词汇构成上与其他词性都有所区别,并在韩国语词汇构成多样化上占有非常重要的位置。韩国语拟声拟态词的特性主要有语音、词汇词义论、句型论、词汇构成等几个方面,其主要用语音变换来体现语言色彩的差异,最常用的有母音变换法、子音变换法以及收音变换法。