一种三维度基于改进MFCC特征模型的AI克隆语音源鉴定方法

AI克隆语音技术的出现将对现代社会法治秩序造成致命冲击。近年来研究人员仅关注了AI合成语音与样本语音内容相同领域的研究,而对AI合成语音与样本内容不同的检材的鉴定研究却甚少,相关鉴定内容无法识别。为此,提出了一种三维度基于改进MFCC特征模型对AI克隆语音源进行鉴定。首先对先前研究人员人工分析的AI克隆语音特性进行验证,总结出可识别的“共振峰F5异常活跃”与“能量、共振峰、音高曲线异常突变”的特征。其次基于AI克隆语音的特征运用二阶差分修正MFCC系数并采用“逆差逻辑推演法”将能量、共振峰、音高曲线突变特性进一步量化采样,将其定义为语音鉴定的特征向量三元组。然后以特征向量三元组为输入,运用D-S证据合成规则将三组检材与样本比对的结果融合。最后形成三维度基于改进MFCC特征参量的检材评定模型。人群随机采样实验结果表明,该AI克隆语音源鉴定方法对以同一人为克隆源所合成的AI克隆语音鉴定的平均概率为67.324%,标准差为7.32%,鉴定效果很好。

多模学习在英语语音课程教学中的运用

英语语音课程是英语专业教学的主要内容之一,也是英语综合能力的主要体现。英语语音在英语教学中有着举足轻重的作用。然而,在目前针对英语专业学生的教学中,英语语音教学呈现出种种问题,成了英语教学中最薄弱的环节,所以改革英语语音教学方式迫在眉睫,势在必行。

生理语音学研究的理论与方法

本文主要介绍现代语音学中生理语音学研究的理论和方法。生理仪器可分为发音生理成像、发音生理运动捕捉和生理信号采集三类,根据这一分类,本文分别阐述了各种仪器的名称、工作原理、使用方法、参数提取、生理建模、理论研究的意义和应用价值,最后简单展望了生理语音学的理论研究和应用前景。

最小方差无失真响应浊音谱建模方法研究

讨论了在语音处理中广泛使用的线性预测模型,分析了线性预测模型在建模语音谱包络方面存在缺点,并分析了线性预测模型过高估计浊音谐波频率处能量以及随着阶数增加线性预测谱逐渐恶化的原因。在此基础上,提出了最小方差无失真响应(MVDR)建模方法,并讨论了通过Toeplitz矩阵的Cholesky分解确定MVDR滤波器系数的方法,通过与线性预测方法进行比较,发现最小方差无失真响应滤波器能提供一个更好的原始语音包络。

基于高斯混合模型的情感LPC系数的研究

针对当前缺乏语音情感特征的发声模型研究的具体现状,通过探索情感特征与线性预测编码(LPC)系数之间的映射关系,提出建立LPC系数情感模型的新方法。该方法在中科院情感语音库的基础上分别建立高兴、愤怒、悲伤及中性4种情感数据库;通过采用不同情感语音的LPC特征矢量,结合动态时间规整技术(DTW)、期望最大化算法(EM)和最小均方误差准则(MMSE)对高斯混合模型进行训练和参数估计,最终获得高兴、愤怒、悲伤这3种情感对中性语音的LPC系数映射规则函数,完成对情感LPC系数的建模。研究结果表明:建立的情感模型有效表征了不同情感对LPC系数的影响;该方法为情感语音合成、识别等研究提供了新思路。

语言模因论视角下的旅游资源文本英译偏差与翻译策略研究——以益阳市为例

伴随经济全球化,国际交往越来越频繁,也带动了我国的旅游业飞速发展,更多外国游客选择来中国旅游,由此,旅游资源文本翻译日益重要。基于语言模因论视角,当前国内旅游资源文本英译存在一定的偏差,需要在实践中不断地总结和改进,寻找民族化、多元化、积极的翻译策略,实现精准旅游资源文本翻译,促进我国旅游业的更好发展。作为一名大学英语教师,笔者在日常教育工作中特别关注旅游资源文本翻译,该文主要是基于语言模因论视角下的旅游资源文本英译偏差与翻译策略展开分析,以益阳市作为例子,希望为益阳市旅游文本翻译提供借鉴。

21世纪初的虚拟现实

研究了虚拟现实技术的形成、基本特点、组成、类型以及与仿真的异同点 ,提出了虚拟现实技术在 2 1世纪初的几个发展方向及智能化的语音虚拟现实建模的概念 。

异步模数模语音加密研究

异步模数模语音加密体制由于不需要帧同步且具有较高的保密度而受到重视。已有多种用TMS320系列芯片或其它DSP数字信号处理芯片的实现方案。本文作者用80C31单片机实现了该系统,且具有成本低、体积小、功耗低等特点,尤其适合移动环境通信。