语音转换技术实现的是两个不同说话人声音个性特征之间的转换,即通过改变源语音的声学特征使之具有目标语音的声学特征,同时保留语义信息不变。语音转换技术可以提供个性化语音,用于文语转换终端,辅助医疗完善病人声音,丰富智能化人机交互等。另外,语音转换技术的研究有助于推动语音信号处理其它领域的不断发展,比如提高语音合成质量,降低说话人辨识难度等。所以,语音转换具有深远的应用前景和较大的理论研究价值。基于AHOcoder语音声码器及GMM模型的语音转换,主要工作如下:首先,从语音产生原理入手,描述发音系统的数学模型及常用的语音特征参数,分析特征参数对语音产生的影响,并对语音转换模型进行介绍。给出用于语音分解、特征参数提取与合成的AHOcoder语音声码器,该声码器可将语音信号分解并提取出对数基频、梅尔频率倒谱系数等参数并在转换之后基于特征参数进行语音合成。其次,重点研究基于AHOcoder语音声码器和GMM的语音转换系统。为了改善GMM造成的转换语音质量下降问题,加入双线性频率弯折训练,提高转换语音的质量。实验过程中发现时长不同会对语音转换效果造成一定的影响,于是利用均值方差法求出源语音与目标语音对应的时长调整因子,并结合时域叠加法对源语音时长进行调整,调整后的转换语音更接近目标语音。最后,针对GMM的过平滑现象进一步进行谱包络补偿,提出在GMM和双线性频率弯折训练的基础上加入全局方差的方法。仿真实验表明,谱包络补偿方法减小了转换语音与目标语音间的MFCC谱距离,改善了语音转换的效果,使得转换语音的质量进一步提高。