Conversion de la voix : Approches et applications
Year: 2019
Type: dissertation
Abstract: La conversion vocale est un problème important dans le domaine du traitement dusignal audio. Le but de la conversion de voix est de transformer le signal de paroled’un locuteur source de telle sorte qu’il soit perçu comme s’il avait été prononcé par unlocuteur cible tout en conservant le contenu linguistique du signal converti identiqueà celui du signal d’origine. La conversion basée sur un modèle de mélange gaussien(GMM) est la technique la plus couramment utilisée dans le domaine de la conversionvocale, mais elle est souvent sensible aux problèmes de sur-apprentissage et de lissageexcessif. Pour résoudre ces problèmes, nous proposons une classification secondaire enappliquant une classification, par la technique des K-moyennes, dans chaque classe obtenuepar une classification primaire afin d’obtenir des fonctions de conversion localesplus précises. Cette proposition évite le recours à des algorithmes d’apprentissage complexescar les fonctions de transformation locales sont déterminées en même temps.La deuxième contribution de cette thèse inclut une nouvelle méthodologie pourconcevoir la relation entre deux ensembles d’enveloppes spectrales. Nos systèmes fonctionnent: 1) en cascadant des réseaux de neurones profonds avec un modèle de mélangegaussien pour construire des modèles DNN-GMM et GMM-DNN-GMM, ceciafin de trouver une fonction de transformation performante entre les vecteurs cepstrauxdes deux locuteurs ; 2) en utilisant un nouveau processus de synthèse spectralemettant en oeuvre des prédicteurs de cepstres en cascade avec une excitation et unephase extraites de l’espace d’apprentissage cible codé sous la forme d’un arbre binaireKD-tree.Les résultats expérimentaux des méthodes proposées exhibent une nette améliorationde l’intelligibilité, de la qualité et du naturel des signaux de parole convertis parrapport aux résultats obtenus avec une méthode de conversion de base. L’extraction del’excitation et de la phase de l’espace d’apprentissage cible permet de préserver l’identitédu locuteur cible.Notre dernière contribution de cette thèse concerne l’implémentation d’un nouveausystème d’aide à la parole pour améliorer la parole oesophagienne (ES). La méthodeadoptée dans cette thèse vise à améliorer la qualité de la voix oesophagienne en combinantune technique de conversion vocale et un algorithme de dilatation temporelle.Dans le système proposé, un réseau de neurones profonds (DNN) est utilisé pour transformerde manière non linéaire les vecteurs cepstraux relatifs au conduit vocal. Ensuite,les trames converties obtenues sont utilisées pour déterminer les vecteurs d’excitationet de phase réalistes à partir de l’espace d’apprentissage cible préalablement codé sousla forme d’un arbre binaire. Nous montrons que la méthode proposée améliore considérablementl’intelligibilité et le naturel de la voix oesophagienne convertie.
Source: HAL
Author: Imen Ben Othmane
Language: French
Subfield: Artificial Intelligence
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W2971869479