语音转换技术实现的是两个不同说话人声音个性特征之间的转变,即以目标说话人的声音特征为导向,通过改变源说话人的个性特征使之具有目标说话人的特征,从而改变源说话人话音的听觉效果。本文主要研究语音个性特征参数的转换方法,实现语音参数的有效利用以及转换效果的增强。主要工作如下:(1)对基音频率、语速等韵律特征的调整进行研究。本文在实现基音频率转换的同时,提出用高斯法作为源和目标语音时长的映射规则,并利用按照获得的时长比例来进行内插的方法实现目标语音时长的调整,从而使合成的语音时长更接近目标语音,提高语速的相似度。(2)对声道特征参数的转换规则进行研究。人工神经网络的泛化属性有助于实现说话人特征的转换,但网络的训练通常存在隐含层节点较多导致网络结构较复杂的问题。因此,本文提出基于改进的径向基函数神经网络的声道特征参数转换方法。该方法用K均值算法作为神经网络中心值算法,并利用粒子群优化算法对网络隐含层的节点数进行优化,有效地提高了径向基函数网络对多维非线性特征参数拟合与转换效率,从而提高转换语音与目标语音的相似度。(3)对语音转换系统进行完善。由于提取的声道特征参数通常具有数据量较大的特点,而且对于同一条将要转换的测试语音,不同数据段训练得到的转换规则其转换效果有所不同。为了充分利用提取的参数,本文提出用高斯混合模型对提取的大量特征参数进行预处理,得到数据量较小并且特征性较强的训练参数。因此,在改进神经网络转换算法的基础上,加入特征参数预处理模块以及时长调整模块,完善语音转换系统的同时提高转换语音的质量。