语音信号包含了多种信息,例如说话人身份信息、情感状态和语义内容等。而语音转换就是用目标说话人的身份信息来替换源说话人的身份信息,但是保持语义内容不变的一种语音处理技术。语音转换技术在伪装/反伪装、人工智能语音发声、恢复受损语音、语音趣味互动等多方面都有着广阔的应用前景。然而转换前需要大量源和目标说话人语料以及转换后的语音质量等问题制约了语音转换的应用。针对目标说话人可能存在语料不足的情况,本文提出了一种应用统一张量字典的少量训练语料情况下的语音转换算法。从语料库中随机选取N个说话人作为语音张量字典的基础说话人,通过多序列动态时间规整算法使这N个说话人的平行语音段对齐,从而建立由N个二维基础字典构成的张量字典。在语音转换阶段,源、目标说话人语音都可以通过张量字典中各基础字典的线性组合,构造出各自的语音字典,实现了语音转换。实验结果表明,当基础说话人个数达到14时,只需要极少的目标说话人语料,便可获得与传统的基于非负矩阵分解转换算法相当的转换效果,这极大地方便了语音转换系统的应用。针对稀疏表示类算法存在的“细节丢失”问题造成的语音质量不佳的问题,本文提出了一种基于谐波冲激分离的语音转换算法。该算法是在统一张量字典的语音转换算法基础之上的改进,在统一张量字典的语音转换算法基础上增加了一个谐波冲激分离的预处理过程,将谐波信号和冲激信号分别经过各自的转换系统进行转换,并在转换之后相加得到最终的转换语音。针对预处理的分离技术,该算法在训练阶段分别训练出谐波字典和冲激字典。由于转换系统采用的特征参数是语音频谱,在此基础上论文提出了两点改进措施:频谱压缩和残差补偿。实验结果证明该算法可以有效的提高统一张量字典语音转换算法的语音质量,实现少语料情况下的高质量语音转换算法。并且本文算法的语音转换质量高于非负矩阵分解算法的语音转换语音质量。实验结果同时表明,残差补偿可以很好地改善转换系统的客观评价指标,而频谱压缩在转换性能的主观评价上改善更明显。