基于STRAIGHT算法的个性化语音生成方法

介绍了一种基于STRAIGHT语音修改算法的个性化语音的方法。对输入的语音提取基本信息,并进行频谱分析;利用STRAIGHT算法对相关参数进行修改;通过STRAIGHT合成器生成新的个性化的语音。实验结果表明,该方法可以得到高质量的个性化合成语音,MOS得分为4.18分。     

基于STRAIGHT算法的汉语语音morphing方法

提出了一种新的基于STRAIGHT算法的汉语语音morphing方法.通过标注源和目标STRAIGHT频谱上的特征点,并利用线性和对数叠加的方法实现对频谱的morphing;通过插值的方法对基频进行morphing.实验结果表明,morphing后的语音在语义特征不变的情况下,保持了源和目标语音的特征,morphing的结果获得了高质量的合成语音,MOS得分为3.87分.     

基于STRAIGHT谱的非特定人数字语音识别

介绍了STRAIGHT算法的原理,并选择STRAIGTH谱作为语音识别的特征参数．采用对应点映射方法以提高同一发音不同样本参数间的匹配效果,在特征匹配的方法上选择差别子空间法,将二者结合应用于非特定人汉语数字0～9的语音识别,实验结果表明．基于STRAIGHT谱的非特定人数字语音识别可以达到97％的识别率．     

基于OCL的业务模型转换到系统模型的研究

业务模型与系统模型都是模型驱动架构(MDA)中的关键模型,而它们之间的转换效率直接关系到待开发系统的质量。本文在深入研究两个模型的转换规则之后,提出了一种基于OCL形式化表示这两种模型之间的转换规则的方法,该方法有效的增加企业软件的开发效率以及质量,实现软件产业工业化生产。     

基于区别特征系统的连续语音识别模型研究

黏着性语音的元辅音区别性特征对口语环境下的连续语音识别影响很大.通过维吾尔语和谐语音现象下的发音规律及其规则,采用语言学、实验语音学技术和数字语音信号处理等方法,研究和谐发音现象下的元音、辅音区别特征系统,建立扩展元辅音集,并以此为基础,开展基于扩展元辅音集的连续语音识别研究,进一步通过其声学模型比较研究,构建连续语音识别模型,为维吾尔语口语环境下的连续语音识别提供一种新方法.     

基频轨迹转换算法及在语音转换系统中的应用研究

提出并实现了一种基于广义人工神经网络和STRAIGHT模型的高效基频轨迹跟踪算法.一方面,STRAIGHT模型可以对语音信号的基频进行较大幅度的修改而不至于引起合成语音质量的下降.另一方面,利用人工神经网络优良的预测能力,学习源说话人和目标说话人的基频轨迹之间的内在联系,实现基音频率的转换.语谱图分析、主观意见分评价结果表明:提出的基频轨迹跟踪算法在合成语音质量及目标特征映射上都远远好于传统的基频转换算法.     

藏语语音合成系统中语音信号的频谱转换与分析

采用离散傅立叶变换(DFT)可实现对采样得到的波形数据文件进行频谱分析.为了提高运算效率、节省中间存储单元,最终采用了“时间抽选奇偶分解”的方法实现快速离散傅立叶变换,并用Microsoft Visual C++6.0编写实现.     

用于系统模型层验证的模型转换的研究

传统以代码为中心的数控系统开发方式导致了系统测试滞后,系统性能难以保证。针对这种情形,提出利用模型转换将领域模型转换到第三方验证工具(Matlab 或UPPAAL)进行系统性能早期测试,从模型层保证系统性能。讨论了采用基于元模型层规则定义、语义动态添加和基于设计模式的操作等策略,以此满足实际模型转换的具体要求,给出了其框架。并指出根据实际需求采用不同的实现步骤和技术手段完成模型转换。从数控系统工作模式模型到StateFlow模型的转换实例从建模语言构建、映射规则定义、算法设计等几方面验证了上述模型转换理论框架和实现手段的可行性和正确性。     

汉语语音识别与智能音字转换系统的研究

本文介绍了我们开发的“汉语声控电脑打字机”的结构、功能以及系统实现中的一些关键技术，本系统是一个特定人、孤立词、大词汇量的汉语语音识别与理解系统，其最终识别率可达９５％以上。     

基于电话的语音对话系统质量研究

越来越多的电话服务是通过语音技术以全自动的方式完成的。这个被称作通话系统的自动化系统由话音识别、话音理解、通话管理以及语音发生能力四个部分组成，并且能够与人类进行比较自然的互动对话。然而由于人机交互的局限性，这种互动的原理与通过电话互动的人与人之间的对话是有区别的。倘若双方的对话行为以合作的方式进行，人们通常能够应对这种局限从而达到通话的目的。本书针对这些通话质量的革新技术提出了系统的估价、评估和预测方法。     

基于正弦模型的汉语文—语转换系统

针对PSOL气算法会引起频域上的不连续的不足,提出一种汉语韵律调整的新方法。该方法基于语音的正弦模型理论,把每一帧短时语音信号分解为一系列不同幅值、相位和频率的正弦分量,然后进行语速和音高的调整,实验结果证明,合成的语音信号保持了原有语音的清晰度和自然度。将该方法应用于汉语文语转换系统中,得到较好的效果。     

基于隐马尔可夫模型的语音单字识别研究

本文针对线性模型在语音识别中的不足,进行了隐马尔可夫模型(HMM)在语音单字识别中的研究,主要对观察输出概率求解、最佳状态序列寻找、参数估计和模型参数的选择进行了探讨.     

基于声道长度对齐的年龄语音转换

提出一种基于声道长度对齐的年龄语音转换方法.该方法包含频谱转换和基频转换两个方面,前者在频域依据声道因子和弯折函数对已进行基音标注过的每一帧语音的频谱进行弯折转换;后者对基频特征的转换采用线性变换方法.实验结果表明,通过对同一人不同年龄段的语音进行转换合成,由年龄较大语音向年龄较小语音转换时,转换合成得到的语音频谱平均距离得到明显减小,转换效果较好,而从年龄较小语音向年龄较大语音转换时,频谱平均距离减少较小,同时女性年龄语音转换的效果和自然度都好于男性.     

改进GMM谱包络转换性能的语音转换算法研究

高斯混合模型(GMM)在语音转换中得到了广泛应用,但其最大缺点在于进行谱包络转换时存在过平滑问题.研究了过平滑现象主要由转换函数中的均值项造成.因此提出一种替换均值法,在各均值项所对应的高斯混合模型类内,使用后验概率与均值项的后验概率最接近的特征来代替转换函数中的均值项.实验表明,采用该方法的语音转换算法能有效缓解过平滑现象,改善转换语音的听觉感知特性.     

虚拟装配系统中模型数据转换的研究

针对虚拟装配系统中模型数据转换的问题,为了实现产品模型从CAD系统到集成虚拟装配系统的模型转化,提出了将虚拟环境下的零件信息进行分类转换的方法。该模型由装配对象信息、对象层次信息、装配对象的关系信息和面片信息所组成。通过对CAD系统的二次开发和CAD系统本身自带的模型转换接口,得到虚拟装配系统所需的零件模型数据。     

基于语音交互的智能家居系统

针对市面上各厂家的智能家居系统不兼容、操作复杂、功能单一等问题。设计了一款基于语音交互的智能家居系统,在RaspberryPi平台上采用Python语言,调用百度语音识别、图灵机器人、Snowboy唤醒词检测、itchat库,以及亚马逊云端,通过ZigBee的单播通讯方式,实现了一款集远程手机控制、本地语音控制、以及网络离线控制于一体的综合家居控制系统。该系统借助于微信与QQ邮箱,具有用户基数大,简单直接,以及功耗低、成本低等特点。并针对老年用户行动不便,在ZigBee终端,设计了可通过语音或电容按钮无线触发的电话求助装置,以及可调节亮度的夜灯装置。经测试三种控制模式转换自如,性能稳定,优于市面上大部分产品。     

基于单片机的语音报警系统

面对现代社会越来越大的安全威胁，尤其是一些重要场所如家庭、银行、商店等，传统的防盗门、防盗锁等防盗措施已经难以满足人们的需求。为应对这种情况。本文介绍了基于单片机控制的语音报警系统。     

基于多维参数的语音身份认证系统研究

本文研究了与文本相关说话人语音通过多维参数的语音身份认证系统进行身份认证的过程。重点研究了小波降噪、语音增强、辅助加权MFCC语音特征提取,混合HMM语音辨识的算法及实现问题。试验表明该技术在认证效率、准确度、自适应性方面有较好表现。     

改进的GMM模型语声转换系统

传统的基于GMM模型线性语音转换系统在语音转换阶段,由于转换函数的概率加权组合使合成语音共振峰带宽变宽,谱包络过于平滑.文中提出依据后验概率大小和前后语音的相关性,选择部分转换分量函数进行语音转换.实验表明不仅简化了语音转换,而且经过转换的语音质量也有一定的提高,对语音的实时转换有重要的意义.     

基于语音和图像的机器人学习系统研究

目前,大部分机器人通过在线编程的方式来完成预先设定的功能,但是智能化水平相对有限,无法主动学习新的任务和应对新的环境.设计一个基于语音交互和神经网络的机器人自主学习系统,一方面系统根据任务需求,利用Kinect深度传感器采集目标的颜色和深度信息进行目标的检测和特征提取,通过语音识别自动生成神经网络模型的训练样本,用于训练和更新神经网络模型;另一方面基于神经网络模型识别目标,通过自然的语音交互方式控制机器人的运动.通过仿真和真实机器人实验验证了自动训练未知事物模型的机器人学习系统的可行性,其中还对机械臂进行了坐标校正和轨迹规划,这样无论是在笛卡尔空间还是在关节空间内,机械臂都能平滑稳定地运动,保证了路径的平滑和工作的安全性.实验结果表明,基于本文设计的自主学习系统可以快速学习和完成新的任务,具有很好的扩展性,适用于不同的任务需求的应用场景.