随着个性化语音合成技术的日渐成熟和人机交互的多样性发展,语音转换技术一直受到国内外研究者的关注。语音转换技术是指在语音内容不变的前提下,将源说话人的语音转换成目标说话人语音的一种特殊语音合成技术,可应用在语音合成系统的后端,生成多样的个性化语音合成效果。近年来,面向汉语、英语等主流语言的语音转换技术已经取得了很大的进展,但是面向蒙古语的语音转换技术还没有相关的研究成果。本文利用深度学习技术对蒙古语语音转换技术中展开研究。首先,本文借鉴汉语、英语等主流语言的语音转换技术的基本原理和模型架构,研究基于注意力机制的编码器-解码器(Encoder-Decoder)结构的蒙古语语音转换模型,实现了将源语音的声学参数直接映射为目标语音声学参数的端到端蒙古语语音转换技术。为了验证该模型的有效性,本文同时搭建了基于深度双向长短期记忆网络(DBLSTM)的蒙古语语音转换模型,并进行了相应的客观评价和主观评价。客观评价表明基于编码器-解码器(Encoder-Decoder)结构的蒙古语语音转换模型可以更好地拟合真实目标语音的声学参数,主观评价表明基于编码器-解码器(Encoder-Decoder)结构的蒙古语语音转换模型生成的目标语音具有更高的主观平均意见分(MOS),具有更好的自然度和连续性。此外,本文基于实验中得到的最优蒙古语语音转换模型搭建了蒙古语语音转换系统。系统的主要功能是将成年女性的源说话人语音转换为女童的目标语音,并实现了朗读源语音,下载转换后语音,调节语音语速,调节音量,暂停播放等辅助功能。最后对蒙古语语音转换系统进行功能测试及压力测试,测试表现符合预期结果。