本文致力于研究出特定人之间的语音转换系统。本文研究的算法是基于非并行数据实现将源说话人的语音在不改变音频文本内容的情况下对个性化特征进行转换达到转换后的语音听起来像目标说话人的效果。个性化语音转换的研究在现有阶段是语音信号处理领域中比较热门的研究课题。语音转换系统在实际生活中应用十分广泛,有着非常广阔的发展空间。大多数语音转换现在是基于特定说话人之间的平行语料,但是平行语料库在多数情况下难以获取且需要进行特征序列对齐。本文算法将基于非平行数据的多领域图像转换方法G~2GAN创新性地运用语音转换中的频谱转换中。并且针对语音和图像的不同对整体网络结构、生成器、判别器、域分类器重新设计。在实验中,主要是对源说话人和目标说话人的语音信号做特征提取得到MCEP频谱特征值和基频特征,并分别针对这两个特征进行转换。本文使用高斯归一化的方法对基频进行转换,利用G~2GAN的方法对频谱进行转换,转换后再进行语音合成得到最后转换后的语音。实验结果与同样实现基于非并行数据的多对多语音转换的Star GAN算法以及基于平行语料的GMM方法进行比较。结果显示该方法优于Star GAN方法并且接近基于平行语料的GMM方法。