[發(fā)明專利]語音轉換方法、裝置、計算機設備及計算機可讀存儲介質

有效

• 申請?zhí)枺?/td>: 201980003120.8
• 申請日: 2019-12-20
• 公開（公告）號: CN111108558B
• 公開（公告）日: 2023-08-04
• 發(fā)明（設計）人: 劉洋;李柏;丁萬;黃東延;熊友軍
• 申請（專利權）人: 深圳市優(yōu)必選科技股份有限公司
• 主分類號: G10L25/30
• 分類號: G10L25/30;G10L25/27;G10L25/03
• 代理公司: 深圳中細軟知識產權代理有限公司 44528
• 代理人: 彭佳偉

本發(fā)明實施例公開了一種語音轉換方法、裝置、計算機設備及計算機可讀存儲介質。本發(fā)明中語音轉換方法包括：獲取待轉換語音和原始轉換模型，所述原始轉換模型的格式為在線格式；將所述原始轉換模型進行格式轉換，得到離線格式的目標轉換模型；對所述待轉換語音進行特征提取，得到待轉換特征；將所述待轉換特征輸入所述目標轉換模型，得到所述目標轉換模型輸出的目標特征；根據所述目標轉換模型輸出的目標特征得到目標語音，所述目標語音的語音內容和所述待轉換語音相同，所述目標語音的聲音與所述待轉換語音不同。該語音轉換方法不僅可以在離線狀態(tài)下高質量進行語音轉換，而且運行速度快，可以實現語音的實時轉換。

技術領域

本發(fā)明涉及音頻處理技術領域，尤其涉及一種語音轉換方法、裝置、計算機設備及計算機可讀存儲介質。

背景技術

語音轉換技術是一種保持語義內容不變的情況下，將源語音轉換為目標語音的技術，其中，源語音為第一人聲發(fā)出的語音，目標語音為第二人聲發(fā)出的語音，也即將第一人聲發(fā)出的源語音通過語音轉換技術，轉換為語義相同的第二人聲發(fā)出的目標語音。

隨著深度神經網絡技術的快速發(fā)展，基于深度學習的語音轉換方法轉換的語音相似度高且語音質量好、流暢度好。目前基于深度學習的語音轉換方法主要包括兩個步驟，首先用大量的語音數據訓練轉換模型，再用訓練好的模型來進行語音轉換。因為訓練對計算資源要求很高，離線端的資源很少，性能很低，用來做訓練容易出現資源耗盡的情況，即使能夠訓練，效率也很低，時間成本太高，難以使用。因此，目前基于深度學習的語音轉換功能要依托在線的高性能的服務器才能夠實現，離線狀態(tài)下無法使用。

發(fā)明內容

基于此，有必要針對上述問題，提出了一種離線狀態(tài)下仍能夠進行高質量語音轉換的語音轉換方法、裝置、計算機設備及存儲介質。

一種語音轉換方法，所述方法包括：

獲取待轉換語音和原始轉換模型，所述原始轉換模型的格式為在線格式；

將所述原始轉換模型進行格式轉換，得到離線格式的目標轉換模型；

對所述待轉換語音進行特征提取，得到待轉換特征；

將所述待轉換特征輸入所述目標轉換模型，得到所述目標轉換模型輸出的目標特征；

根據所述目標轉換模型輸出的目標特征得到目標語音，所述目標語音的語音內容和所述待轉換語音相同，所述目標語音的聲音與所述待轉換語音不同。

一種語音轉換的裝置，所述裝置包括：

獲取模塊，用于獲取待轉換語音和原始轉換模型，所述原始轉換模型的格式為在線格式；

格式轉換模塊，用于將所述原始轉換模型進行格式轉換，得到離線格式的目標轉換模型；

特征提取模塊，用于對所述待轉換語音進行特征提取，得到待轉換特征；

特征轉換模塊，用于將所述待轉換特征輸入所述目標轉換模型，得到所述目標轉換模型輸出的目標特征；

結果模塊，用于根據所述目標轉換模型輸出的目標特征得到目標語音，所述目標語音的語音內容和所述待轉換語音相同，所述目標語音的聲音與所述待轉換語音不同。

一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，所述計算機程序被所述處理器執(zhí)行時，使得所述處理器執(zhí)行以下步驟：

獲取待轉換語音和原始轉換模型，所述原始轉換模型的格式為在線格式；

將所述原始轉換模型進行格式轉換，得到離線格式的目標轉換模型；

對所述待轉換語音進行特征提取，得到待轉換特征；

將所述待轉換特征輸入所述目標轉換模型，得到所述目標轉換模型輸出的目標特征；