fa طراحی یک روش آموزش ناموازی جدید برای تبدیل گفتار با عملکردی بهتر از آموزش موازی چکیده مقالات article abstracts پژوهشي Research <p dir="RTL"><strong>مقدمه:</strong> هنر تقلید صدای انسان با کامپیوتر، یکی از چالشی ترین موضوعات پردازش گفتار در سال های اخیر بوده است. یک سیستم تبدیل گفتار دارای دو سمت است. در یک سمت آن، گوینده مبدا قرار دارد که صدایش برای تقلید صدای گوینده هدف (که در سمت دیگر سیستم قرار دارد) تغییر داده می شود. برای تبدیل گفتار فرد مبدا به فرد هدف از دو روش موازی و ناموازی استفاده می شود. در روش موازی گوینده مبدا و هدف جملات یکسانی بیان کرده و در روش ناموازی جملات متفاوتی بیان می کنند. بیشتر محققین تبدیل گفتار برای آموزش تابع تبدیل از دادگان آموزشی موازی استفاده کرده اند. با این حال، در عمل همیشه امکان جمع آوری دادگان موازی وجود ندارد و بنابراین نیاز استفاده از روش های ناموازی به وجود می آید.</p> <p dir="RTL"><strong>مواد و روش ها:</strong> گفتار گوینده مبدا و هدف ضبط شده و سپس مورد آنالیز قرار گرفت. با پردازش سیگنال، ویژگی های گفتار هر دو نفر استخراج شد. سپس عمل هم ردیف سازی انجام شده و تابع تبدیل گفتار بدست آمد. برای تبدیل گفتار مبدا به هدف، گفتار مبدا آنالیز شده و سپس عمل استخراج ویژگی انجام شد. تابع نبدیل گفتار بدست آمده از قسمت قبل، بر ویژگیهای استخراج شده اعمال شد. سپس عمل معکوس استخراج ویژگی انجام شده و در پایان سنتز گفتار صورت گرفت. صدای سنتز شده، صدای فرد هدف می باشد.</p> <p dir="RTL"><strong>یافته ها:</strong> نتایج آزمایش های عددی و عینی مشخص کرد که روش پیشنهادی ما از روش آموزش موازی بهتر است. همچنین در آزمایش ها مشاهده شد که این برتری هم از لحاظ کیفیت و هم از لحاظ شباهت به گوینده ی هدف، برای اندازه های مختلف دادگان آموزشی از پنج تا چهل جمله صادق است.</p> <p dir="RTL"><strong>بحث و نتیجه گیری:</strong> به نظر می رسد که روش پیشنهادی ما یک رقیب جدی برای روش های آموزش موازی برای همردیف سازی فریم است.</p> <p style="text-align: justify;"><strong>Introduction:</strong> The art of voice mimicking by computers, has with the computer have been&nbsp;one of the most challenging topics of speech processing in recent years. The system of voice&nbsp;conversion has two sides. In one side, the speaker is the source that his or her voice has been&nbsp;changed for mimicking the target speaker&rsquo;s voice (which is on the other side). Two methods of&nbsp;parallel and non-parallel training are used for voice conversion. In parallel method, both source&nbsp;and target speakers express the same sentences while different sentences are expressed in&nbsp;non-parallel method. Most of the voice conversion researchers prefer to use parallel training;&nbsp;however, there is not always the possibility of collecting parallel data. Therefore, there is a need&nbsp;for using non-parallel methods.<br> <strong>Methods and Materials:</strong> Source and target speakers&rsquo; voice was recorded and then&nbsp;analyzed. Voice features of both speakers were extracted by signal processing. Then the&nbsp;action of alignment has been done and the function of voice conversion was obtained. Source&nbsp;voice has been analyzed and the action of extracting feature has been carried out in order to&nbsp;convert source voice to the target. Voice conversion function from the previous section was&nbsp;applied on the extracted features. Then, the reverse action of features was done and finally,&nbsp;the voice synthesis took place. Moreover, the synthesized voice is the voice of target person.<br> <strong>Results:</strong> The results of both numerical and objective experiments demonstrated that our&nbsp;proposed method is better than parallel training methods. It was observed that this superiority&nbsp;holds for different sizes of training material from 5 to 40 training sentences, both in terms of&nbsp;quality and similarity to the target speaker.<br> <strong>Discussion and Conclusion:</strong> It seems that our proposed method is a serious competitor&nbsp;of parallel training method for from alignment.</p> تبدیل گفتار, آنالیز و سنتز صدا, سیستم های آموزش ناموازی, الگوریتم INCA , مدل مخلوط گاوسی, مدل پس زمینه سراسری, تبدیل گفتار بلادرنگ Voice conversion, Speech analysissynthesis, Non-parallel training system, INCA algorithm, Gaussian Mixture Model (GMM), Universal Background Model (UBM), Realtime voice conversion 6 16 http://jps.ajaums.ac.ir/browse.php?a_code=A-10-1-24&slc_lang=fa&sid=1 Mostafa Ghorbandoost مصطفی قرباندوست 1003194753284600122 1003194753284600122 No دانشگاه علوم پزشکی آجا Valiallah Saba ولی اله صبا vsaba@aut.aut.ac.ir 1003194753284600123 1003194753284600123 Yes دانشگاه علوم پزشکی آجا