语音更改技术：变调与变速的原理及实现

一、核心概念区分

语音更改技术主要包括变调（Pitch Shifting）和变速（Time Stretching）两类，两者的核心差异在于：

变调：改变语音的音高（如男声变女声、乐器调弦），但不改变语速和语义；
变速：改变语音的语速（如快放、慢放），但不改变音高和语义。

二、变调技术（Pitch Shifting）

变调的本质是调整语音的基频（F0，即声带振动频率），同时保持共振峰（Formant，决定音色和语义的关键频率）不变。常见方法包括：

1. 重采样法（时域）

原理：通过上采样（插入样本点）或下采样（抽取样本点）改变信号的采样率，从而调整基频。例如，将采样率提高2倍，基频也会提高2倍（音调变高），但语速会变快；需结合变速不变调处理（如timeshift）抵消语速变化。

实现（MATLAB）：

[y, fs] = audioread('input.wav'); % 读取音频
y_up = resample(y, 2, 1); % 上采样2倍（基频提高）
y_up_slow = timeshift(y_up, 2); % 变速2倍（抵消语速变快）
audiowrite('pitch_up.wav', y_up_slow, fs); % 保存结果

2. 短时傅里叶变换（STFT）法（频域）

原理：将语音信号转换为时频谱（时间-频率-幅度），通过调整频率轴的缩放比例改变基频，同时保持时间轴不变。例如，将频率轴压缩1.5倍，基频提高1.5倍（音调变高），但语速不变。

实现（MATLAB）：

[y, fs] = audioread('input.wav');
spec = spectrogram(y, 1024, 512, 1024, fs); % 计算STFT
spec_shifted = spec .* exp(1j*2*pi*0.5*spec); % 频率轴缩放（基频提高0.5倍）
y_pitch = istft(spec_shifted, 1024, 512, 1024, fs); % 逆STFT
audiowrite('pitch_shifted.wav', y_pitch, fs);

3. 线性预测编码（LPC）法（参量域）

原理：通过线性预测模型提取语音的共振峰参数（决定音色）和基频参数（决定音调），调整基频参数后重新合成语音。例如，将基频参数乘以1.2，音调提高1.2倍，同时保持共振峰不变（音色不变）。

实现（MATLAB）：

[y, fs] = audioread('input.wav');
[a, g] = lpc(y, 10); % 提取LPC系数（共振峰）
f0 = pitch(y, fs); % 提取基频
f0_shifted = f0 * 1.2; % 基频提高1.2倍
y_lpc = lpcsynthesis(a, g, f0_shifted, length(y)); % 重新合成语音
audiowrite('lpc_pitch.wav', y_lpc, fs);

三、变速技术（Time Stretching）

变速的本质是调整语音的时间长度，同时保持基频和共振峰不变。常见方法包括：

1. 同步波形叠加法（SOLA）

原理：将语音信号分帧，通过重叠相加（Overlap-Add）调整帧移距离，从而改变语速。例如，将帧移从10ms增加到20ms，语速减慢1倍，但基频不变（音调不变）。

实现（MATLAB，基于Voicebox工具箱）：

[y, fs] = audioread('input.wav');
frames = enframe(y, 1024, 512); % 分帧（帧长1024，帧移512）
frames_slow = sola(frames, 2); % SOLA变速2倍（语速减慢）
y_slow = deframe(frames_slow, 1024, 512); % 合并帧
audiowrite('time_slow.wav', y_slow, fs);

2. 相位声码器（Phase Vocoder）

原理：通过短时傅里叶变换（STFT）提取语音的幅度谱和相位谱，调整时间轴的缩放比例，然后通过逆STFT合成语音。例如，将时间轴压缩0.8倍，语速加快1.25倍，但基频不变（音调不变）。

实现（MATLAB）：

[y, fs] = audioread('input.wav');
[S, f, t] = spectrogram(y, 1024, 512, 1024, fs); % STFT
S_stretched = phasevocoder(S, 0.8); % 时间轴压缩0.8倍（语速加快）
y_fast = istft(S_stretched, 1024, 512, 1024, fs); % 逆STFT
audiowrite('time_fast.wav', y_fast, fs);

3. 线性预测合成法（LPC）

原理：通过线性预测模型提取语音的共振峰参数和基频参数，调整激励信号的长度（如将10ms的激励信号延长到20ms），从而改变语速。例如，将激励信号长度加倍，语速减慢1倍，但基频不变（音调不变）。

实现（MATLAB）：

[y, fs] = audioread('input.wav');
[a, g] = lpc(y, 10); % 提取LPC系数
f0 = pitch(y, fs); % 提取基频
y_lpc_slow = lpcsynthesis(a, g, f0, length(y)*2); % 激励信号延长2倍（语速减慢）
audiowrite('lpc_time_slow.wav', y_lpc_slow, fs);

参考代码该程序主要涉及语音更改技术，语音的变调及变速 www.youwenfan.com/contentcsq/65816.html

四、工具与库推荐

MATLAB：内置audio Toolbox（含timeshift、pitchshift函数）、Voicebox（含enframe、sola函数）；
Python：librosa（音频处理库，含time_stretch、pitch_shift函数）、pydub（简化音频操作）；
专业软件：Adobe Audition（图形化界面，支持变调/变速）、Audacity（开源音频编辑器，含Change Pitch、Change Speed插件）。

五、应用场景

变调：语音合成（如TTS系统调整音色）、音乐制作（如调整乐器音调）、语音加密（如改变音调实现简单加密）；
变速：语音识别（如调整语速适应不同说话速度）、语言学习（如慢放语音帮助听力练习）、音频编辑（如快放/慢放视频配音）。

六、注意事项

音质权衡：过度变调/变速可能导致语音失真（如基频调整过大导致音色变化），需合理选择参数（如变调范围±2半音，变速范围0.5-2倍）；
实时性：相位声码器和LPC法计算量较大，实时应用需优化算法（如使用GPU加速）；
多模态融合：结合噪声注入（如添加背景噪声）可提升模型的鲁棒性（如语音识别系统适应不同环境）。