买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：广东技术师范大学

摘要：本发明公开一种基于参数动态调整的生成对抗网络语音转换方法，在特征提取阶段，提取语音的基频、频谱包络及非周期性特征。训练时，对特征张量进行批量归一化和自注意力处理，再经卷积、Sigmoid激活及Dropout正则化得到gamma调整参数。随后，通过自适应池化和卷积生成动态gamma值，强化频谱特征间的相关性，提升语音质量。在转换阶段，使用训练模型结合声码器合成目标语音。本方案利用频谱包络与动态gamma值，增强特征间长距离依赖，提高语音转换性能。

主权项：1.一种基于参数动态调整的生成对抗网络语音转换方法，其特征在于，包括如下步骤：步骤S01：在特征提取阶段，对语音样本按帧提取说话人语音的基频F0、频谱包络SP和非周期性分量AP，提取出m维编码后的频谱包络Coded_SP；得到基频的均值、标准差和正则化后的编码的频谱包络列表；从说话人A和说话人B语音样本中各截取长度为n的语音帧特征参数，生成随机数据对Dataset作为输入特征X，然后经过2d卷积层将X映射为维度，其中，c为输出特征通道数，网络从原始单通道输入中提取多种不同的特征映射，多通道特征表示有助于模型捕捉复杂和细致的音频特性，为风格转换提供更丰富的信息基础；步骤S02：利用批量归一化BatchNorm2d方法对每个输入特征张量X进行独立的归一化得到规范化特征张量Y；步骤S03：将特征张量Y利用查询、键、值三个卷积层点积得到自注意力机制层的输出特征张量Z；步骤S04：把规范化特征张量Y输入自适应平均池化层AdaptiveAvgPool2d，将每个特征通道的空间维度，即宽度和高度，缩减到1x1，得到池化后的特征张量L；步骤S05：通过一个卷积层对池化后张量L特征图进行卷积操作得到特征张量M，将M映射到与输入特征图相同的维度空间；步骤S06：通过Sigmoid激活函数将卷积操作得到的特征张量M进行非线性变换得到gamma的张量表示N，以确保生成的gamma值在0，1的范围内；步骤S07：使用正则化技术Dropout对注意力输出Z进行调整，以增加模型的鲁棒性；步骤S08：将动态调整的gamma值N对自注意力层输出Z进行加权得到最终输出P，使模型学习更复杂的语音表得到最终输出P，之后把数据P输入到生成对抗网络的下采样模块进行模型训练；步骤S09：加载统计信息，将说话人A的基频转换为说话人B的基频信息，利用训练过程得到模型文件进行语音转换，最后利用WORLD声码器将F0、Coded_SP和AP语音特征合成音频，生成转换后的目标说话人语音。

全文数据：

权利要求：

百度查询： 广东技术师范大学 一种基于参数动态调整的生成对抗网络语音转换方法