[发明专利]唱歌语音转换设备及其方法

说明书

本发明公开了一种唱歌语音转换设备，包括：样本语音库，存储有多条样本语音及其基频值；基频提取模块，从每条语音中提取出离散的基频值序列；录音模块，将人歌唱的声音录制为源语音；音符切分模块，将源语音根据源语音的基频值序列切分为多个源语音片段；基频变换模块，在样本语音库中检索出与每个源语音片段的基频值具有最相近基频值的样本语音，并进行基频和时长的变换；拼接模块，将变换后的样本语音拼接并生成为一个输出语音。本发明还公开了与之对应的唱歌语音转换方法。本发明唱歌语音转换设备及方法针对人类唱歌的语音，扩展了语音转换的应用领域，可应用于唱歌语音到旋律信息的转换系统中、保密通讯中、旋律信息识别和数字娱乐领域。

技术领域

本发明涉及一种对人类的语音信号进行处理的设备和方法。

背景技术

语音(speech或voice)是指人类通过发音器官发出来的、具有一定意义的、目的是用来进行社会交际的声音。语音的物理基础主要有音高、音强、音长、音色，这也是构成语音的四要素。音高指声波频率；音强指声波振幅的大小；音长指声波振动持续时间的长短，也称为“时长”；音色指声音的特色和本质，也称作“音质”。

语音转换(voice conversion)是指改变源说话人(source speaker)的语音个性特征(例如语音频谱特征)，但保留原有语义信息不变，使之具有目标说话人(targetspeaker)的语音个性特征。

语音变换(voice transformation)并不是将源说话人声音变为另外一个特定人的声音，而只是对其进行某种变换使之产生某种特效。例如通过对基频的变换使原先的男声听起来像女声或者使原先的女声听起来像男声，或者通过对频谱进行变换使原先的人声变得像机器人的声音。

在有些文献中(包括本申请)，对于语音转换和语音变换并不作严格区分。

语音转换和语音变换在以下领域得到广泛应用：

1、文本到语音的转换(TTS，text-to-speech)系统、语音到文本的转换(voice totext)系统中的应用。

2、保密通信中进行语音个性化的伪装。

3、语音识别(ASR，Automatic Speech Recognition)的前端预处理，以减少说话人差异的影响。

4、数字娱乐领域，例如影视配音、将普通人声变换为有趣的声音等。

现有的语音转换主要针对人类说话、朗读的语音。例如授权公告号为CN1811911B、授权公告日为2010年6月23日的中国发明专利就公开了一种语音变换处理方法。它是通过对源语音中的基频和/或共振峰进行提取，使之转换为样本语音数据库中对应的目标语音。

有些语音转换虽然可以应用于人类在歌唱时发出的语音，但是技术比较简单。例如在移动通讯的软件市场中的娱乐软件“会说话的汤姆猫”(Talking Tome Cat)，只是简单地将用户输入的语音做了基频提升，达到了变声的效果。

发明内容

本发明所要解决的技术问题是针对人类在歌唱时发出的语音，提供一种唱歌语音转换设备和对应的转换方法，使之保留原有旋律不变，而听起来与源唱歌人的发音完全不同。

为解决上述技术问题，本发明唱歌语音转换设备包括：

样本语音库，存储有多条样本语音，并记录有每条样本语音的基频值；

基频提取模块，从每条语音中提取出离散的基频值序列，对一条语音的离散的基频值序列计算算术平均值作为该条语音的基频值；

录音模块，将人歌唱的声音录制为源语音；

音符切分模块，将源语音切分为多个片段；