基于CycleGAN网络实现非平行语料库条件下的语音转换
| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 1 绪论 | 第6-12页 |
| 1.1 语音转换系统基本概念 | 第6-7页 |
| 1.2 语音转换背景与意义 | 第7-9页 |
| 1.3 语音转换研究现状 | 第9-11页 |
| 1.4 论文组织结构 | 第11-12页 |
| 2 语音转换的基础理论 | 第12-23页 |
| 2.1 引言 | 第12页 |
| 2.2 语音信号产生的机制和模型 | 第12-15页 |
| 2.2.1 语音信号产生的生理机制 | 第12-14页 |
| 2.2.2 语音信号产生的数字模型 | 第14-15页 |
| 2.3 语音信号的特征参数的选择与提取 | 第15-18页 |
| 2.3.1 语音信号的特征分布 | 第15-16页 |
| 2.3.2 语音信号的个性特征参数 | 第16-18页 |
| 2.4 WORLD语音信号的分析合成模型 | 第18-22页 |
| 2.5 语音转化系统框架图 | 第22-23页 |
| 3 深度学习相关内容介绍 | 第23-28页 |
| 3.1 深度学习 | 第23-24页 |
| 3.2 GAN网络概述 | 第24-25页 |
| 3.3 CycleGAN网络概述 | 第25-28页 |
| 4 基于CycleGAN网络的频谱转换 | 第28-41页 |
| 4.1 语音转化系统框架图 | 第28页 |
| 4.2 基音频率的转换 | 第28-29页 |
| 4.3 频谱转换模型 | 第29-35页 |
| 4.3.1 系统总架构 | 第29-30页 |
| 4.3.2 生成器的结构 | 第30-33页 |
| 4.3.3 判别器的结构 | 第33-34页 |
| 4.3.4 损失函数 | 第34页 |
| 4.3.5 实现细节与模型超参数 | 第34-35页 |
| 4.4 实验条件、准备与评估标准 | 第35-36页 |
| 4.4.1 实验平台 | 第35页 |
| 4.4.2 数据集即数据预处理 | 第35页 |
| 4.4.3 语音转换系统性能评估 | 第35-36页 |
| 4.5 实验 | 第36-41页 |
| 4.5.1 客观结果 | 第37-40页 |
| 4.5.2 主观结果 | 第40-41页 |
| 5 改进基于CycleGAN网络的频谱转换 | 第41-48页 |
| 5.1 引言 | 第41页 |
| 5.2 频谱转换模型 | 第41-43页 |
| 5.2.1 系统总架构 | 第41-42页 |
| 5.2.2 生成器、判别器、f网络的结构 | 第42页 |
| 5.2.3 GLU激活函数 | 第42-43页 |
| 5.2.4 损失函数 | 第43页 |
| 5.3 实验 | 第43-48页 |
| 5.3.1 客观结果 | 第43-46页 |
| 5.3.2 主观结果 | 第46-48页 |
| 6 总结与展望 | 第48-50页 |
| 6.1 总结 | 第48页 |
| 6.2 展望 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 攻读硕士学位期间发表学术论文情况 | 第54-55页 |
| 致谢 | 第55-57页 |
