说话人变换是一项改变说话人声音特征的技术,是将源说话人的语音特征转换成目标说话人的特征,使得听起来象是目标说话人的语音,而保持源说话人的语义信息内容不变。这个研究涉及到语音分析,语音编码,语音合成,语音增强,语音识别等各个方面,在军事,娱乐,教育等领域也有重要的应用,课题研究主要包括:(1)研究了一种韵律联合短时谱的转换方法。此方法利用一个基于高斯混合模型的转换函数,将每一帧语音信号的LSF系数和基音周期同时作为特征向量代入GMM模型,从而实现谱包络和基音周期的联合转换,再将转换出来的基音周期对源说话人的残差进行修正,最后合成出语音。该方法包括分析、转换和合成三个步骤。(2)研究了在各类不同参数下的转换结果,对于转换后的语音也进行了主观及客观评测,得到了最为优化的一组参数,并且将本方法与传统方法从4个转换角度作出比较。系统改进后对转换后语音进行评测可以看出,在主观方面,转换后效果提升了11.7%的,而在客观方面,也可发现性能有6.7%的提升。这表明改进后的系统相对于传统方法转换性能得到了改善,转换后语音的自然度,可懂度,倾向性也有所提高。证明本方法对说话人转换系统性能的提高是有效的。