[發明專利]語音切割方法、語音轉換網絡模型的訓練方法及相關設備

有效

• 申請號: 202010650000.1
• 申請日: 2020-07-08
• 公開（公告）號: CN111883104B
• 公開（公告）日: 2021-10-15
• 發明（設計）人: 黃磊;楊春勇;靳丁南;權圣
• 申請（專利權）人: 馬上消費金融股份有限公司
• 主分類號: G10L13/08
• 分類號: G10L13/08;G10L13/04;G10L13/10
• 代理公司: 北京銀龍知識產權代理有限公司 11243
• 代理人: 許靜;黃燦

1.一種語音切割方法，其特征在于，包括以下步驟：

將目標文本輸入至預先訓練的語音轉換網絡模型中，得到與所述目標文本對應的目標語音；

將所述目標文本和所述目標語音輸入至編解碼網絡模型中得到時長數組，所述時長數組包括目標文本中各文本字符在所述目標語音占據的時長；

根據所述時長數組對所述目標語音進行切割，得到所述目標文本中每一文本字符對應的語音；

其中，所述將目標文本和所述目標語音輸入至編解碼網絡模型中得到時長數組的步驟，包括：

按照目標文本中每一文本字符的位置順序，將所述目標文本轉換為拼音字符串，所述拼音字符串包括空格和拼音字符，所述拼音字符包括每一所述文本字符的拼音和音調，且同一所述文本字符的拼音和音調相鄰設置，拼音位于音調之前，且各個拼音字符之間設置有空格；

根據預設的索引列表，確定所述拼音字符串中各個拼音、音調和空格在所述索引列表中的位置，得到索引值數組；

將所述索引值數組和所述目標語音輸入至所述編解碼網絡模型中，生成N行M列的二維數組，其中N為索引值數組的索引值個數，M根據目標語音的時長確定，N和M均為正整數；

根據所述二維數組和所述目標語音的時長，確定所述索引值數組中每個索引值對應的時長，得到所述時長數組。

2.根據權利要求1所述的語音切割方法，其特征在于，所述根據所述二維數組和所述目標語音的時長，確定所述索引值數組中每個索引值對應的時長，得到所述時長數組的步驟包括：

確定所述二維數組各行概率值中的最大值；

根據各所述最大值在所述二維數組各行概率值中的位置，得到與各所述最大值對應的位置參數；

將各所述位置參數按照所述二維數組的行數進行排序，得到位置數組；

將所述位置數組中的各所述位置參數乘以語音幀長，得到所述時長數組；

其中，根據所述目標語音的時長和所述二維數組的列數M確定所述語音幀長。

3.根據權利要求2所述的語音切割方法，其特征在于，所述根據各所述最大值在所述二維數組各行概率值中的位置，得到與各所述最大值對應的位置參數的步驟包括：

根據所述二維數組每一行概率值的排列順序，確定每一行概率值中的最大值的位置編號；

將各所述最大值的位置編號作為與各所述最大值對應的位置參數。

4.根據權利要求1所述的語音切割方法，其特征在于，所述根據所述時長數組對所述目標語音進行切割，得到所述目標文本中每一文本字符對應的語音的步驟，包括：

根據所述目標文本中每一文本字符在所述索引值數組中對應的索引值，確定每一文本字符在所述時長數組中的K個時長參數，其中K與每一文本字符的索引值數量對應，K為正整數；

根據每一文本字符對應的K個時長參數在所述時長數組中的排列順序，確定每一文本字符在所述目標語音中的終止時間；

根據每一文本字符的終止時間，確定目標文本中各文本字符的時長；

根據所述目標文本中各文本字符的時長對所述目標語音進行切割，得到所述目標文本中每一文本字符對應的語音。

5.根據權利要求4所述的語音切割方法，其特征在于，所述根據每一文本字符對應的K個時長參數在所述時長數組中的排列順序，確定每一文本字符在所述目標語音中的終止時間的步驟包括：

將所述時長數組中所述K個時長參數中排序最末的時長參數，確定為所述K個時長參數中的終止時長參數；

將所述終止時長參數的數值，確定為與所述K個時長參數對應的文本字符在所述目標語音中的終止時間。

6.根據權利要求5所述的語音切割方法，其特征在于，所述根據每一文本字符的終止時間，確定目標文本中各文本字符的時長的步驟，包括：

將文本字符對應的終止時長參數的數值與相鄰的上一個文本字符對應的終止時長參數的數值的差值，確定為目標文本中各文本字符的時長。