歌声合成理论基础.pdf

发布时间：2022-06-01 发布人：admin 分类：说明书资料大小：5.31M 资料格式：pdf 举报版权申诉

weixin_32393347-12456594-4744300845223142970.pdf-第1页.png

第1页 / 共36页

weixin_32393347-12456594-4744300845223142970.pdf-第2页.png

第2页 / 共36页

weixin_32393347-12456594-4744300845223142970.pdf-第3页.png

第3页 / 共36页

weixin_32393347-12456594-4744300845223142970.pdf-第4页.png

第4页 / 共36页

weixin_32393347-12456594-4744300845223142970.pdf-第5页.png

第5页 / 共36页

weixin_32393347-12456594-4744300845223142970.pdf-第6页.png

第6页 / 共36页

weixin_32393347-12456594-4744300845223142970.pdf-第7页.png

第7页 / 共36页

weixin_32393347-12456594-4744300845223142970.pdf-第8页.png

第8页 / 共36页

文本预览

songs 理论歌声合成原理⾳乐四要素语⾳产⽣的机理歌声合成研究现状基于波形拼接的⽅法基于统计模型汉语歌声合成：歌声转换基于统计模型的汉语歌声合成研究基频模型 HMM 基于HMM的声⾳合成框架建模尺度建模结构特征提取模型训练阶段合成阶段歌声合成的关键歌声的市场与乐谱的关系歌声的基频与乐谱的关系时间模型基频稀疏问题实际基频与乐谱差值建模颤⾳建模歌声合成的评价⽅式歌声库的建⽴曲⽬选择乐谱分析标准的MIDI 示例 MusicXML xml解析基线系统搭建

歌声信号分析时域分析频域分析语谱分析提取⼯具world 歌声基频⽣成⽅法基于乐谱基频引导的基频⽣成⽅法乐谱基频引导 DF0模型⾳节层模型离散余弦变换⽤于基频参数化歌声合成的关键残差特征颤⾳特征颤⾳的幅值和速率具备情感表达能⼒的歌者转换基于声学参数修改的语⾳转歌声的算法歌声合成原理歌唱产⽣的⾳乐成为歌声。歌唱更注意着重于通过横膈膜和腹部甚⾄下腹部肌⾁来调整呼吸，从⽽更好地控制⾳⾼、⾳⾊等。歌唱中的颤⾳是指⾳⾼急剧上下波动的声⾳，是由空⽓有控制地通过放松的喉部⽽产⽣。⼀般包括两个过程：乐谱的分析和声⾳的产⽣。乐谱分析：调、节奏、旋律和语义⾳乐四要素⾳的⾼低：⾳⾼（最重要）：发声体的振动频率决定，是周期的倒数

⼈堆频率的感知是⾮线性的，例如100Hz与它的2倍频200Hz之间的距离和 200Hz 与它的2倍频400Hz间的距离对⼈⽿来说是⼀致的。频率⼤则⾳⾼，频率⼩则⾳低。⾳乐上倍频称为⼀个⼋度，⻄⽅的⼗⼆平均律把⼀个⼋度分为⼗⼆个半⾳。标准⾳⾼A5（(5表示该⾳符在第5个⼋度⾳程)，）：中央c上的A⾳符发⾳频率为 440HZ，表示成A=440HZ，A440，国际通⽤标准⾳节拍是⾳乐中规律地强拍和弱拍的反复，如果我们跟随⾳乐的进⾏⽤脚⼀下⼀下地点地，每⼀下就是⼀拍，打击乐器在⾳乐中就是配合节拍演奏的。在乐谱中表示节拍⽤⼩节，每⼀个乐谱前⾯都有拍号,中间改变节奏会改变拍号。分⼦代表每⼀⼩节有多少拍⼦，分⺟代表⽤什么⾳符代表⼀拍。如2/4代表⽤四分⾳符代表⼀拍，每-d,节有两拍。速度tempo决定了⼀段⾳的快慢，是⾳乐的重要元素，影响⾳乐的情感和演奏难度。速度⼀般以⽂字或数字标记的于乐谱的开端，习惯于每分钟多少拍，（beats per minute，BPM）作为度量单位。 BPM的数值越⼤代表越快的速度。⾳的⻓短：（最重要）：⾳符的⻓短，由发声体震动的振幅决定的。

⾳的强弱：表征⾳乐的⼒度(强度)，⼒度的变化是⾳乐作品中表达情感的常⽤⽅式之⼀⾳⾊连⾳符：是⼀个⾳节包含⼀个或多个⾳符的情况⾳程：两个⾳之间的距离，⾳程的单位是分⻉（Cent）语⾳产⽣的机理语⾳产⽣的过程包括三部分 > 声⻔下部分，声⻔部分。声⻔上部分 >声⻔下部分由⽓管，⽀⽓管，肺等呼吸⽓管组成，它提供发声的动⼒。 >声⻔在发声时作有节奏的开闭动作，把从肺呼出的⽓流调节成脉冲状声⻔波。这种携带了能量的声⻔波成为说话和歌唱时的基本声源。 >声⻔上部分是整个共鸣腔，包含⼝腔，⿐腔和咽腔。声⻔波经过共鸣腔的调节以及辐射效应，产⽣出不同的⾳素，并发出声⾳。歌声合成⼤致分为两类基于⼈⽿感知机制的频率参数模型和基于声⾳产⽣原理的物理模型。歌声合成研究现状基于波形拼接的⽅法处理过程⾳符标注、分割

缺点：过程复杂、需要⼈⼯介⼊，需要建⽴⼤量的规则基于统计模型实例：基于隐⻢尔科夫链的系统基于源⼀滤波器模型对歌声进⾏信号分解，得到基频和频谱参数，然后利⽤隐⻢尔科夫模型对这些参数进⾏建优点：通过⼀定数量的歌声可以达到⼀个不错的⾳质对歌声进⾏参数分解，需要存储的的参数需要空间⼩参数的改变和转换⾮常的便捷，因此改变歌声的⾳质，⾳⾼，时⻓等特征⽅⾯⾮常灵活缺点真实感差汉语歌声合成：歌声转换基于统计模型的汉语歌声合成研究基频模型针对歌声基频存在的数据稀疏问题，提出了参考乐谱的基频引导⽅法。该⽅法将乐谱中包含的基频信息引⼊到歌声基频的⽣成算法中，避免了因数据稀疏⽽造成的合成⾳⾼在时间和频谱结构上出现偏差的问题，可以合成出与乐谱相⼀致的具有精准⾳⾼的基频。

对真实基频和乐谱基频之间可能存在差异的问题进⾏了研究，提出了在训练中也考虑乐谱基频因素从⽽准确得到两者之间的差值的⽅法。利⽤该⽅法可以得到相⽐乐谱基频引导⽅法更加准确和真实的基频估计。上述⽅法也可⽤于连⾳符的合成。 HMM

HMM三个基本问题 1.给定⼀个输出序列O和模型⼊，求模型输出此序列的概率。这个问题可通过前向后向算法求解。 2.给定⼀个输出序列和模型，求最可能输出此序列的状态序列。这个问题可通过Viterbi算法求解。 3.给定⼀个输出序列和模型结构，求模型参数使得概率最⼤。这是模型的训练问题，Baum.Welch算法可以⽤来求解。基于HMM的声⾳合成框架

建模尺度 - 声韵⺟作为建模单元建模结构特征提取从波形中提取基频和频谱特征。频谱特征采⽤mel-cepstrum特征

分享到：

赞收藏

资料库

歌声合成理论基础.pdf

相关推荐

行业

热门标签

最新资料