基于隐变量模型的歌曲转换方法研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 课题研究背景 | 第7页 |
| 1.2 课题研究的目的及意义 | 第7-8页 |
| 1.3 国内外研究现状 | 第8-10页 |
| 1.4 本文主要研究内容 | 第10页 |
| 1.5 本章小结 | 第10-11页 |
| 第二章 语音转换基本原理 | 第11-25页 |
| 2.1 语音信号的产生机理 | 第11-13页 |
| 2.2 语音信号的特征参数 | 第13-14页 |
| 2.3 语音转换的关键技术 | 第14-19页 |
| 2.3.1 语音信号的预处理 | 第14-15页 |
| 2.3.2 语音信号分析合成模型 | 第15-17页 |
| 2.3.3 特征参数对齐 | 第17-18页 |
| 2.3.4 语音库设计 | 第18-19页 |
| 2.4 语音转换系统模型 | 第19-24页 |
| 2.4.1 语音转换系统结构 | 第19-21页 |
| 2.4.2 经典语音转换模型 | 第21-23页 |
| 2.4.3 转换效果的评价方法 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章基于隐变量模型的歌声转换方法 | 第25-35页 |
| 3.1 隐变量模型的基本知识 | 第25-30页 |
| 3.1.1 数据降维的意义 | 第25页 |
| 3.1.2 隐变量模型介绍 | 第25-26页 |
| 3.1.3 经典隐变量模型 | 第26-30页 |
| 3.2 基于隐变量模型的歌声转换算法 | 第30-32页 |
| 3.2.1 双因子隐变量模型 | 第30-31页 |
| 3.2.2 基于隐变量模型的语音转换方案 | 第31-32页 |
| 3.3 实验结果与分析 | 第32-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 基于深度信念网络模型的歌声转换方法 | 第35-50页 |
| 4.1 深度学习的基本知识 | 第35-40页 |
| 4.1.1 深度学习发展历史 | 第35-36页 |
| 4.1.2 典型的深度学习结构 | 第36-39页 |
| 4.1.3 深度学习应用 | 第39-40页 |
| 4.2 基于DBN的歌声转换模型 | 第40-46页 |
| 4.2.1 DBN的基本原理 | 第40-43页 |
| 4.2.2 基于DBN的语音转换算法 | 第43-44页 |
| 4.2.3 基于DBN的歌声转换方案 | 第44-46页 |
| 4.3 实验结果与分析 | 第46-49页 |
| 4.3.1 实验设置 | 第46页 |
| 4.3.2 转换语音结果与分析 | 第46-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 攻读硕士期间主要的研究成果 | 第55-56页 |
| 致谢 | 第56页 |
