语音合成vocoder（二）基频参数

最新推荐文章于 2025-07-05 17:58:59 发布

xmdxcsj

最新推荐文章于 2025-07-05 17:58:59 发布

阅读量5.8k

点赞数 5

CC 4.0 BY-SA版权

分类专栏：语音合成文章标签：语音合成

本文链接：https://blog.csdn.net/xmdxcsj/article/details/72419854

语音合成专栏收录该内容

5 篇文章

订阅专栏

本文介绍了基音周期和频率的基本概念，包括其在语音信号处理中的作用及变化范围。此外，还详细探讨了两种常用的基音频率提取方法：自相关方法（如YIN算法）和倒谱方法，并提到了DIO和Harvest等快速可靠的提取技术。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

基本概念

声带每开启和关闭一次的时间就是基音周期（pitch period）,倒数即为音频频率（pitch frequency）[1]。
基音频率取决于声带的大小、厚薄、松紧程度，以及声门上下之间的气压差的效应等。最低可达80Hz，最高可达500Hz，老年男性偏低，小孩女性偏高。它反映了声调的变化。

常用方法

常用的有自相关方法和倒谱方法
Autocorrelation Function（ACF）运算可以用于寻找周期信号的周期。因为周期信号的自相关函数也是周期信号，而且周期一致。比如YIN算法[2]就是使用的自相关方法。
$r_t(\tau)=\sum_{j=t+1}^{t+W}x_jx_{j+\tau}$
W表示相关函数的窗口， $\tau$ 表示相关函数的延时。

DIO

World里面使用DIO[3][4]提取pitch，相比之前的方法速度更快。主要分为三步：

使用不同截止频率的低通滤波器进行滤波
如果滤波后的信号只包含一个周期 $T_0$ 的信号，即为pitch。由于pitch未知，会使用多个不同截止频率的滤波器。
计算F0候选以及置信度
取四个周期，计算每个周期的zero-crossing/peak/dip intervals应该一致，以此为标准计算置信度。
选取置信度最高的频率作为最后的pitch

Harvest

参考文献

[1].《语音信号处理》韩纪庆等 P15
[2].YIN, a fundamental frequency estimator for speech and music
[3].WORLD: a vocoder-based high-quality speech synthesis system for real-time applications
[4].Fast and Reliable F0 Estimation Method Based on the Period Extraction of Vocal Fold Vibration of Singing Voice and Speech