[TOC]

歌聲合成原理

• 歌唱產(chǎn)生的音樂成為歌聲。歌唱更注意著重于通過橫膈膜和腹部甚至下腹部肌肉來調(diào)整呼吸， 從而更好地控制音高、音色等。
• 歌唱中的顫音是指音高急劇上下波動(dòng)的聲音，是由空氣有控制地通 過放松的喉部而產(chǎn)生。
• 一般包括兩個(gè)過程：樂譜的分析和聲音的產(chǎn)生。
  • 樂譜分析：調(diào)、節(jié)奏、旋律和語義

音樂四要素

• 音的高低：音高 （最重要）：發(fā)聲體的振動(dòng)頻率決定，是周期的倒數(shù)
  • 人堆頻率的感知是非線性的，例如100Hz與它的2倍頻200Hz之間的距離和 200Hz與它的2倍頻400Hz間的距離對人耳來說是一致的。
  • 頻率大則音高，頻率小則音低。
  • 音樂上倍頻稱為一個(gè)八度，西方的十二平均律把一個(gè)八度分為十二個(gè)半音。
  • 標(biāo)準(zhǔn)音高A5（(5表示該音符在第5個(gè)八度音程)，）：中央c上的A音符發(fā)音頻率為440HZ，表示成A=440HZ，A440，<u>國際通用標(biāo)準(zhǔn)音</u>
  • midi 與頻率的換算
• 節(jié)拍
  • 是音樂中規(guī)律地強(qiáng)拍和弱拍的反復(fù)，如果我們跟隨音樂的進(jìn) 行用腳一下一下地點(diǎn)地，每一下就是一拍，打擊樂器在音樂中就是配合節(jié)拍演奏的。
  • 在樂譜中表示節(jié)拍用小節(jié)，每一個(gè)樂譜前面都有拍號(hào),中間改變節(jié)奏會(huì)改變拍號(hào)。分子代表每一小節(jié)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,節(jié)有兩拍。
• 速度tempo決定了一段音的快慢，是音樂的重要元素，影響音樂的情感和演奏難度。
  • 速度一般以文字或數(shù)字標(biāo)記的于樂譜的開端，習(xí)慣于每分鐘多少拍，（beats per minute，BPM）作為度量單位。
  • BPM的數(shù)值越大代表越快的速度。
• 音的長短：（最重要）：音符的長短，由發(fā)聲體震動(dòng)的振幅決定的。
  • b分之一音符
• 音的強(qiáng)弱：表征音樂的力度(強(qiáng)度)，力度的變化是音樂作品中表達(dá)情感的常用方式之 一
• 音色
• 連音符：是一個(gè)音節(jié)包含一個(gè)或多個(gè)音符的情況
• 音程：兩個(gè)音之間的距離，音程的單位是分貝（Cent）
  • image

語音產(chǎn)生的機(jī)理

• 語音產(chǎn)生的過程包括三部分

• 聲門下部分，聲門部分。聲門上部分
  - >聲門下部分由氣管，支氣管，肺等呼吸氣管組成，它提供發(fā)聲的動(dòng)力。
  - >聲門在發(fā)聲時(shí)作有節(jié)奏的開閉動(dòng)作，把從肺呼出的氣流調(diào)節(jié)成脈沖狀聲門 波。這種攜帶了能量的聲門波成為說話和歌唱時(shí)的基本聲源。
  - >聲門上部分是整個(gè)共鳴腔，包含口腔，鼻腔和咽腔。聲門波經(jīng)過共鳴腔的 調(diào)節(jié)以及輻射效應(yīng)，產(chǎn)生出不同的音素，并發(fā)出聲音。

• 歌聲合成大致分為兩類
  • 基于人耳感知機(jī)制的頻率參數(shù)模型和基于聲音產(chǎn)生原理的物理模型。

歌聲合成研究現(xiàn)狀

基于波形拼接的方法

• 處理過程
  • 音符標(biāo)注、分割
  • 缺點(diǎn)：過程復(fù)雜、需要人工介入，需要建立大量的規(guī)則

基于統(tǒng)計(jì)模型

• 實(shí)例：基于隱馬爾科夫鏈的系統(tǒng)
  • 基于源一濾波器模型對歌聲進(jìn)行信號(hào)分解，得到基頻和頻譜 參數(shù)，然后利用隱馬爾科夫模型對這些參數(shù)進(jìn)行建
  • 優(yōu)點(diǎn)：
    • 通過一定數(shù)量的歌聲可以達(dá)到一個(gè)不錯(cuò)的音質(zhì)
    • 對歌聲進(jìn)行參數(shù)分解，需要存儲(chǔ)的的參數(shù)需要空間小
    • 參數(shù)的改變和轉(zhuǎn)換非常的便捷，因此改變歌聲的音質(zhì)，音高，時(shí)長等特征方面非常靈活
  • 缺點(diǎn)
    • 真實(shí)感差

漢語歌聲合成：歌聲轉(zhuǎn)換

基于統(tǒng)計(jì)模型的漢語歌聲 合成研究

基頻模型

• 針對歌聲基頻存在的數(shù)據(jù)稀疏問題，提出了參考樂譜的基頻引導(dǎo)方 法。該方法將樂譜中包含的基頻信息引入到歌聲基頻的生成算法中， 避免了因數(shù)據(jù)稀疏而造成的合成音高在時(shí)間和頻譜結(jié)構(gòu)上出現(xiàn)偏差的 問題，可以合成出與樂譜相一致的具有精準(zhǔn)音高的基頻。
• 對真實(shí)基頻和樂譜基頻之間可能存在差異的問題進(jìn)行了研究，提出了 在訓(xùn)練中也考慮樂譜基頻因素從而準(zhǔn)確得到兩者之間的差值的方法。 利用該方法可以得到相比樂譜基頻引導(dǎo)方法更加準(zhǔn)確和真實(shí)的基頻估 計(jì)。上述方法也可用于連音符的合成。

HMM

• 馬爾科夫原理
• 隱馬爾科夫鏈
  • HMM三個(gè)基本問題
    • 1.給定一個(gè)輸出序列O和模型入，求模型輸出此序列的概率。這個(gè)問題可通 過前向后向算法求解。
    • 2.給定一個(gè)輸出序列和模型，求最可能輸出此序列的狀態(tài)序列。這個(gè)問題可 通過Viterbi算法求解。
    • 3.給定一個(gè)輸出序列和模型結(jié)構(gòu)，求模型參數(shù)使得概率最大。這是模型的訓(xùn) 練問題，Baum.Welch算法可以用來求解。
      • image

基于HMM的聲音合成框架

建模尺度

- 聲韻母作為建模單元

建模結(jié)構(gòu)

• image

特征提取

• 從波形中提取基頻和頻譜特征。
  • 頻譜特征采用mel-cepstrum特征
  • image

模型訓(xùn)練階段

• image

合成階段

• 生成的聲學(xué)參數(shù)輸入到梅爾對數(shù)頻譜估計(jì)濾波器，合成出歌聲。

歌聲合成的關(guān)鍵

• 表達(dá)出正確的音樂信息，即音高和節(jié)奏要精準(zhǔn)。這對歌聲的時(shí)長模型和基 頻模型提出了新要求，需要將音樂信息加入建模方可實(shí)現(xiàn)，
• 顫音的合成是歌聲的關(guān)鍵。

歌聲的市場與樂譜的關(guān)系

• 唱歌的時(shí)候的開始時(shí)間相對于樂譜有一個(gè)提前量。
  • 提前量

歌聲的基頻與樂譜的關(guān)系

• 1.歌聲的基頻需要遵循樂譜，也就是說要”在調(diào)上”。一般的朗誦語音和歌聲 的最大區(qū)別在于歌聲必須遵循樂譜的音高。同時(shí)音高是影響歌聲合成質(zhì)量 的一個(gè)關(guān)鍵影響因素。
• 2.歌聲的基頻包含有顫音，顫音是音樂情緒的表達(dá)的重要組成部分，也是衡 量專業(yè)歌手的重要指標(biāo)。
  • 歌聲的基頻與樂譜的音高

時(shí)間模型

• 唱歌的起點(diǎn)與樂譜上的時(shí)間有一個(gè)提前差，
  • 時(shí)間模型

基頻稀疏問題

• 在矩陣中，若數(shù)值為0的元素?cái)?shù)目遠(yuǎn)遠(yuǎn)多于非0元素的數(shù)目，并且非0元素分布沒有規(guī)律時(shí)，則稱該矩陣為稀疏矩陣
• 由于歌聲中的基頻中含有大量的上下文，比如音高、調(diào)、節(jié)奏等信息，
• 因此基頻通 常是稀疏的，所以在訓(xùn)練數(shù)據(jù)中出現(xiàn)的很少的上下文情況將無法得到充分訓(xùn)練， 這會(huì)導(dǎo)致無法合成出符合樂譜音高的基頻曲線。

實(shí)際基頻與樂譜差值建模

• 對基頻與樂譜的音高曲線進(jìn)行建模，位歸一化方法，這樣雖然基頻是稀疏的，但是基頻與樂譜的差距在縮小。
• 數(shù)據(jù) 層次的歸一化方法在訓(xùn)練前對基頻數(shù)據(jù)進(jìn)行處理，然后將基頻差用于訓(xùn)練。 這樣做會(huì)引起一個(gè)問題，基頻在做歸一化時(shí)需要先與樂譜做對齊，因此在后續(xù) 訓(xùn)練中都得按照這個(gè)對齊的結(jié)果進(jìn)行。這樣很容易出現(xiàn)問題，第一，對齊通常無 法保證準(zhǔn)確，第二，只能使用Viterbi訓(xùn)練而無法使用嵌入的EM訓(xùn)練，EM.訓(xùn) 練通常比Viterbi訓(xùn)練要好。模型層次的歸一化方法巧妙的運(yùn)用了說話人適應(yīng)[46]的技術(shù)，在模型層次對基頻進(jìn)行歸一化，解決了以上問題。

顫音建模

• 有正確的音準(zhǔn)和節(jié)奏。顫音也是語音和歌聲的最大區(qū)別。
• 顫音幅度和速率
  • 顫音幅度顧名思義指的是顫音上下抖動(dòng)的幅度，顫音速率指 顫音的變化速率。
  • 其中bt是第t個(gè)狀態(tài)對應(yīng)的基頻值，轉(zhuǎn)換矩陣Bt=[1，bt]由樂譜唯一決定， 因此氐是唯一需要估計(jì)的參數(shù)。
  • image
  • 歌聲的基頻= 語調(diào)部分 + 顫音部分
    • 顫音參數(shù)提取用的最多的是基于希爾伯特變換的方法。希爾伯特變換可以計(jì)算信號(hào)瞬時(shí)速率，非常適合顫音的時(shí)變特點(diǎn)。

歌聲合成的評價(jià)方式

• 定義了一個(gè)平均音符距離指標(biāo)，它是以音符為基本單 位進(jìn)行計(jì)算的，所以它能從更高的尺度上，同時(shí)也是從音樂的意義上來衡量兩 個(gè)基頻曲線間的距離。

歌聲庫的建立

曲目選擇

• 不是的
  • 饒舌類歌曲
  • 自由節(jié)奏曲目
  • 音高不標(biāo)準(zhǔn)的歌曲，如一些民族歌曲中出現(xiàn)的非標(biāo)準(zhǔn)音。
• 選擇曲目：兒童歌曲以及傳統(tǒng)流行歌曲中得到
  • 所有拼音的覆蓋
  • 聲韻母分布的平衡
  • 調(diào)的覆蓋和平衡
  • 節(jié)奏的覆蓋和平衡
• 曲目
• 傳統(tǒng)流行歌曲

樂譜分析

• 將樂譜轉(zhuǎn)換為用于訓(xùn)練與合成的上下文標(biāo)注是歌聲合成系統(tǒng)的前端部分。

標(biāo)準(zhǔn)的MIDI

• MIDI（music Instrument Digital interface),中文稱為數(shù)字接口，是一個(gè)工業(yè)標(biāo)準(zhǔn)的電子通信協(xié)議。
• 編號(hào)為128的MIDI消息類型為 Note On，即開始演奏一個(gè)音符;編號(hào)為144的MIDI消息類型為Note Of!f，即停 止演奏一個(gè)音符。
• midi文件
• 讀入 MIDI 格式文件，產(chǎn)生一個(gè) n*7 的矩陣，其中矩陣的第三列表示通道標(biāo)號(hào)，第四列表示音符音高，第五列表示按鍵的速度，然后提取代表主通道信息的子矩陣，子矩陣的每行代表樂譜中每個(gè)音符的基頻等信 息。子矩陣的第四列對應(yīng)于樂譜中每個(gè)音符的頻率，利用子矩陣中第六列和第七列的數(shù) 值可求出樂譜中任一音符的時(shí)長。
  • "度”就是音與音之間距離的衡量單位。而音與音之間音高的距離叫做音程， 半音(Semitone)是其計(jì)算的最小單位。有些音之間的距離僅差半音，此時(shí)我們稱之為“半 音程”，而有些則差兩個(gè)半音， 我們則稱之為“全音程”

示例

• 保存為mid

import random
import sys
from mido import Message, MidiFile, MidiTrack, MAX_PITCHWHEEL

notes = [64, 64+7, 64+12]

outfile = MidiFile()

track = MidiTrack()
outfile.tracks.append(track)

track.append(Message('program_change', program=12))

delta = 300
ticks_per_expr = int(sys.argv[1]) if len(sys.argv) > 1 else 20
for i in range(4):
    note = random.choice(notes)
    track.append(Message('note_on', note=note, velocity=100, time=delta))
    for j in range(delta // ticks_per_expr):
        pitch = MAX_PITCHWHEEL * j * ticks_per_expr // delta
        track.append(Message('pitchwheel', pitch=pitch, time=ticks_per_expr))
    track.append(Message('note_off', note=note, velocity=100, time=0))

outfile.save('test.mid')

• mid2json

import sys
import json
import mido


def midifile_to_dict(mid):
    tracks = []
    for track in mid.tracks:
        tracks.append([vars(msg).copy() for msg in track])

    return {
        'ticks_per_beat': mid.ticks_per_beat,
        'tracks': tracks,
    }


mid = mido.MidiFile(sys.argv[1])

print(json.dumps(midifile_to_dict(mid), indent=2))
print('mid',mid)

• mid 數(shù)據(jù)讀取

from mido import Message,MidiFile

msg = Message('note_on', note=60,channel=2,velocity=112)
# velocity 速度
# channel 頻道
# note 音符
print('msg',msg)
print(msg.note,msg.channel,msg.velocity,msg.time)

# 轉(zhuǎn)化為字節(jié)
print(msg.bytes())
print(msg.bin())
print(msg.hex())

# 從字節(jié)加載數(shù)據(jù)

msg1 = Message.from_bytes([0x90, 0x40, 0x60])
print(msg1)

# 打開mid 文件
mid = MidiFile('../test.mid')


# 有多少個(gè)音軌
for i, track in enumerate(mid.tracks):
    print('Track {}: {}'.format(i, track.name))
    for msg in track:
        if msg.is_meta:
            print('meta')
        else:
            print(msg)
            # 計(jì)算速度
            print(msg.bpm2tempo())

'''mid 總時(shí)間'''
print('mid.length',mid.length)

'''
type 0 (single track): all messages are saved in one track
type 1 (synchronous): all tracks start at the same time
type 2 (asynchronous): each track is independent of the others
'''
print(mid.type)

MusicXML

• xml

xml解析

#! /usr/bin/env python
# -*- coding: utf-8 -*-
# __author__ = "errrolyan"
# Date: 18-10-16
# Describe = "樂譜xml文件轉(zhuǎn)化未為拼音”

import os,re,sys
import os.path
import xml.etree.ElementTree as ET
import pinyin
from collections import Counter

def coverFiles(sourceDir,  targetDir):
    for file in os.listdir(sourceDir):
        sourceFile = os.path.join(sourceDir,  file)
        targetFile = os.path.join(targetDir,  file)
        if os.path.isfile(sourceFile):
            open(targetFile, "wb").write(open(sourceFile, "rb").read())


def fileread(filepath):
    pathDir = os.listdir(filepath)
    for s in pathDir:
        newDir = os.path.join(filepath, s)
        if os.path.isfile(newDir):
            if os.path.splitext(newDir)[1] == ".xml":
                print(newDir)
                name1 = newDir[13:39]
                tree = ET.parse(newDir)
                root = tree.getroot()
                for text in root.iter('text'):
                    text.text = re.sub(u"[\s.。？?！!;；\/_：,%^*(\"“”《》$\，']", '', text.text)
                    if u'\u4e00' <= text.text <= u'\u9fff':
                        text.text = pinyin.get(text.text, format="strip", delimiter=" ") #  format="strip"  "numerical"
                    print(text.text)
                    text.text = str(text.text)
                    text.set('updated', 'yes')
        print("第" + newDir + "首歌完成?。。?)
        tree.write(newDir,encoding="utf-8",xml_declaration='xml version="1.0" encoding="utf-8"')


def xml_to_pinyin(xml_in_dir, xml_out_dir):
    coverFiles(xml_in_dir, xml_out_dir)
    fileread(xml_out_dir)

if __name__=="__main__":

    usage = 'Usage: xml_to_Pinyin.py  xml_in_dir  xml_out_dir'
    if len(sys.argv) != 3:
        xmlInPath = 'xml_in_dir1'
        xmlOutPath = 'xml_out_dir1'
    else:
        xmlInPath = sys.argv[1]
        xmlOutPath = sys.argv[2]

    xml_to_pinyin(xmlInPath,xmlOutPath)
    print("完成轉(zhuǎn)換拼音")

基線系統(tǒng)搭建

• 對歌聲數(shù)據(jù)，使用25ms的漢明窗，5ms 的幀移進(jìn)行MGC參數(shù)提取，MGC參數(shù)包含能量特征一共35維度。基頻使 用Snack庫中的get_f0提取snack，基頻的上下限我們?nèi)≈?0Hz與700Hz，對應(yīng) MIDI音高約為E2與F5。顫音被檢測出來并從基頻中減去。所有的特征，包含對數(shù)域基頻，顫音，MGC都求一階及二階動(dòng)態(tài)特征。HMM狀態(tài)數(shù)目為7個(gè)， MGC流使用單高斯，基頻和顫音流使用多空間概率分布HMM。

歌聲信號(hào)分析

• 時(shí)域分析和頻域分析都有各自的局限性:時(shí)域分析對語音信號(hào)的頻率特性沒有直觀的顯示;頻域分析中又缺乏語音信號(hào)隨時(shí)間的變化關(guān)系。

時(shí)域分析

• image
• 時(shí)域波形 圖中可以看出語音的時(shí)長、音節(jié)的起止位置;另外，通過波形是否具有周期性可以區(qū)分 清音和濁音;通過觀察不同音素的波形區(qū)別，甚至還可以大概的估計(jì)出濁音的基音周期。

頻域分析

• 音頻信號(hào)的頻率、功率譜、倒頻譜、頻譜包絡(luò)。
• 處理方式：短時(shí)傅里葉變換。

語譜分析

• 語譜分析是動(dòng)態(tài)的頻譜，反應(yīng)了語音頻譜隨時(shí)間的變化情況。

• 語譜圖是語譜分析的外在表現(xiàn)形式，語譜 圖也稱頻譜分析視圖，采用二維平面來表示三維信息。它的橫坐標(biāo)是時(shí)間，縱坐標(biāo)是頻 率，坐標(biāo)點(diǎn)值為語音數(shù)據(jù)能量。

• image

• 語譜圖中還可以確定語音參數(shù)，如共振峰頻率、基頻。與時(shí)間軸平行的橫杠帶紋反映的就是共振峰的特點(diǎn)。

提取工具world

• World 通過CheapTrick的方法獲取頻譜包絡(luò)信息，音按照基頻的周期為單位進(jìn)行分段，以此 保證波形和頻譜的平滑連續(xù).對于加窗以后的時(shí)域信號(hào)進(jìn)行傅里葉變換獲得對應(yīng)的頻譜，然后在三角窗內(nèi) 對信號(hào)進(jìn)行平滑，再利用倒譜方法，求取頻譜的包絡(luò)信息:

歌聲基頻生成方法

• 歌聲的基頻樂譜上音符的高低密切相關(guān)，基頻的大致走向可以 直接反映樂譜上音符的高低。一般來講，基頻可認(rèn)為包含2部分，一部分對應(yīng) 樂譜，一般成為語調(diào)曲線:另一部分為細(xì)微的顫音。顫音是一種近似正弦的持續(xù) 振蕩，頻率在5—8Hz.顫音可以體現(xiàn)歌唱者的細(xì)微情感。而顫音也是衡量一個(gè) 歌手專業(yè)素養(yǎng)的重要指標(biāo)之一。
• 歌聲基頻生成

基于樂譜基頻引導(dǎo)的基頻生成方法

• 一個(gè) 音符的絕對唱名是指這個(gè)音符的真實(shí)音名(C、D、E、F、G、A、B等)對應(yīng)的 唱名(do、re、mi、fa.、sol、la、si等):而一個(gè)音符的首調(diào)唱名是規(guī)定當(dāng)前歌曲的調(diào)名主音為do時(shí)，該音符的唱名，表示該音符與調(diào)名主音的音高差值，是一 個(gè)“相對”的音高。
• 十二個(gè)調(diào)名對應(yīng)主音與編號(hào)

樂譜基頻引導(dǎo)

• image

DF0模型

• image
• image
• image

• 3.實(shí)際上現(xiàn)在實(shí)際基頻與樂譜基頻已經(jīng)一一對應(yīng)，因此可求得實(shí)際基頻與樂 譜基頻的差值(Dr0)。

• 建模DF0

  • (A)因?yàn)橐呀?jīng)得到了狀態(tài)級(jí)別的對齊，因此每個(gè)DF0值都可對應(yīng)到一個(gè)FO模型，所以我們可以讓DF0共享F0的決策樹，這里在每個(gè)葉子節(jié) 點(diǎn)對DF0使用單高斯進(jìn)行建模。
  • (B)第二種方法是，在得到DF0后，重新對DF0在HMM的框架下單獨(dú)進(jìn) 行訓(xùn)練。DF0有這單獨(dú)的決策樹以及時(shí)長模型。

音節(jié)層模型

離散余弦變換用于基頻參數(shù)化

• 離散余弦變換DCT已經(jīng)成功用于多種語言的基頻建模。DCT是一種線性可逆的變換，它可以將基頻曲線為一組余弦分量的加權(quán)和。
• [圖片上傳失敗...(image-96c8ae-1590825742301)]
• MGC處理：論文：CELP coding based on reel-cepstral analysis.

歌聲合成的關(guān)鍵

• 準(zhǔn)確的音高和時(shí)長
• 顫音是歌聲情感表達(dá)的關(guān)鍵，缺乏表現(xiàn)力的主要原因是因?yàn)榛l過于平滑。
• 基頻主要分為兩個(gè)部分的曲線：形狀曲線和顫音曲線
  • 形狀曲線又可以分為音高曲線和殘差曲線
    • 顫音的頻率一般為4HZ-8HZ
    • 將基頻曲線通過一個(gè)截止頻率為3.5HZ低通濾波器來得到低頻部分作為形狀曲線，高頻部分作為顫音曲線。
    • 樂譜的音高曲線可以直接由公式計(jì)算到
      • f=440*2^(m-69)/2
      • 殘差曲線 = 形狀曲線 - 樂譜曲線

殘差特征

• image
• image

顫音特征（vibrato）

顫音的幅值和速率

• [圖片上傳失敗...(image-a791b7-1590825742301)]

具備情感表達(dá)能力的歌者轉(zhuǎn)換

• 語音轉(zhuǎn)換關(guān)鍵是韻律特征和音質(zhì)特征
  • 基頻特征轉(zhuǎn)換
    • image
• 歌者轉(zhuǎn)換技術(shù)使得利用己有的歌聲合成系統(tǒng)附加少量的特定 人的歌聲庫可以合成出該特定人的歌聲。由于錄制歌聲庫的工作量非常龐大， 因此歌者轉(zhuǎn)換技術(shù)非常有應(yīng)用價(jià)值。
  • 從一個(gè)歌唱人轉(zhuǎn)換到另一個(gè)歌唱人的時(shí)候，如果有著不該變歌曲的調(diào)的要求，那么基頻是不能改變的。

基于聲學(xué)參數(shù)修改的語音轉(zhuǎn)歌聲的算法

• 主要修改3個(gè)聲學(xué)參數(shù)：基頻、語音時(shí)長和頻譜包絡(luò)
• image
• 歌聲和語音的主要區(qū)別是基頻的差距，不是頻譜特征。
  • 基頻代表說話人聲帶每次開啟和關(guān)閉的時(shí)間間隔，反映了聲調(diào)的變化?；l的大小反映了聲帶的大小、厚薄、松緊程度以及聲門上下之間的氣壓差的效應(yīng)等。
  • 目前提取基頻的有利工具是world
    • image
  • 基頻分為兩個(gè)部分處理：基頻的跳變區(qū)、基頻的平穩(wěn)區(qū)。
• 基頻的擬合：
  • image
  • w叫是自然頻率;是阻尼系數(shù);k是系統(tǒng)的比例增益
  • 歌唱聲音的頻譜包絡(luò)在3kHz附近有一個(gè)叫做“歌唱共振峰”的顯著峰值，

聲韻母表

• image