语音变声资料推荐

最近在做变声的工作，想实现的功能包括：男女声互转，转萝莉音，大叔音，机器音等。

核心理论还是信号处理一块，对标的是QQ变声效果。大致的效果已经出来了，还成。

实现商业化的变声功能，最核心的是要找到对应的资料，包括书籍，文献和博客。

但是博客文献书籍又特别少，虽然很多博客都有讲如何基于FMOD实现变声，但FMOD并不是完全开源项目，基于FMOD搭建的框架并不能免费商用，其次，大家也只是点到为止，男声提高八度就是女声，实在是太粗糙了，难以商用化。文献的话，实在是太少了，我几乎没找到这种变声的论文，想想也是，男女声互转，转萝莉音，大叔音这种也上不了学术台面，没啥相应的论文，多是一些TSM和voice conversion的论文。

至于书籍，倒还真有一本不错的——《Audio EffectsTheory,Implementation and Application》，是Joshua D.Reiss于2014年出版的书，书中对于常见的音效讲的非常清楚，还有对应的C++伪代码，可执行代码发布在GitHub上了。https://github.com/juandagilc/Audio-Effects

其中谈到的很多音效都能非常简易的实现，比如如何实现颤音，让声音听起来搞笑或者诡异一些，书中有两种实现方法，一种是延时实现，一种直接对时域的语音信号调制，用一个2-14HZ的正弦调制语音就好了，非常简单，而且效果也很不错。

再如，如何实现人声转机器音，一开始我搜了半天，才在csdn上搜到了关于人声转机器音的代码。https://download.csdn.net/download/zcy618/4527258?biz_id=103&utm_term=%E4%BA%BA%E5%A3%B0%E5%8F%98%E6%9C%BA%E5%99%A8%E9%9F%B3&utm_medium=distribute.pc_search_result.none-task-download-2~all~sobaiduweb~ 这个是基于频率shift实现的，语音转频域然后做一个fftshift就好了。但效果非常差，有着难以解决的杂音，这种杂音是全频带的而且非常刺耳，无法商用化。但在书中，讲了两种机器音的实现方法：时域语音转频域，将相位全部置零，再转回时域，就是机器音了；另外一种是，相位随机，转回时域就好了。这种比CSDN的fftshift好一些，杂音虽然有，但可以除掉，得到一个较好的机器音音效。

另外还有一些回声，混响，多普勒效应，3D音效，EQ等实现，感觉都挺好的。