[發(fā)明專利]語音生成方法、裝置、設(shè)備和計(jì)算機(jī)可讀介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010880060.2
• 申請(qǐng)日: 2020-08-27
• 公開（公告）號(hào): CN112017685A
• 公開（公告）日: 2020-12-01
• 發(fā)明（設(shè)計(jì)）人: 李入云;蔡猛
• 申請(qǐng)（專利權(quán)）人: 北京字節(jié)跳動(dòng)網(wǎng)絡(luò)技術(shù)有限公司
• 主分類號(hào): G10L21/0272
• 分類號(hào): G10L21/0272;G10L21/0308;G06K9/62
• 代理公司: 北京衛(wèi)智暢科專利代理事務(wù)所(普通合伙) 11557
• 代理人: 陳佳

本公開的實(shí)施例公開了用于生成對(duì)話語音的方法、裝置、電子設(shè)備和計(jì)算機(jī)可讀介質(zhì)。該方法的一具體實(shí)施方式包括：在原始語音集合中確定包含一個(gè)說話人聲音的語音，得到語音集合；基于上述語音集合，生成每個(gè)說話人的語音段集合；將目標(biāo)數(shù)目個(gè)說話人的語音段集合中的語音段拼接起來，得到對(duì)話語音。該實(shí)施方式通過將多個(gè)不同說話人的個(gè)人說話語音片段拼接為對(duì)話語音，使對(duì)話語音中不同說話人之間的說話語音清晰、完整、無交疊。

技術(shù)領(lǐng)域

本公開的實(shí)施例涉及計(jì)算機(jī)技術(shù)領(lǐng)域，具體涉及語音生成方法、裝置、設(shè)備和計(jì)算機(jī)可讀介質(zhì)。

背景技術(shù)

隨著人工智能技術(shù)的發(fā)展，可以使用人工智能技術(shù)進(jìn)行對(duì)話語音中說話人的識(shí)別。訓(xùn)練說話人識(shí)別的模型時(shí)，往往需要大量已經(jīng)標(biāo)注了說話人的對(duì)話語音。可是現(xiàn)實(shí)中的對(duì)話語音經(jīng)常會(huì)有多個(gè)說話人同時(shí)說話的情況。這導(dǎo)致不同說話人的語音相互交疊。或者對(duì)話中的語音不夠清晰完整。

發(fā)明內(nèi)容

本公開的內(nèi)容部分用于以簡要的形式介紹構(gòu)思，這些構(gòu)思將在后面的具體實(shí)施方式部分被詳細(xì)描述。本公開的內(nèi)容部分并不旨在標(biāo)識(shí)要求保護(hù)的技術(shù)方案的關(guān)鍵特征或必要特征，也不旨在用于限制所要求的保護(hù)的技術(shù)方案的范圍。

本公開的一些實(shí)施例提出了用于生成對(duì)話語音的方法、裝置、設(shè)備和計(jì)算機(jī)可讀介質(zhì)，來解決以上背景技術(shù)部分提到的技術(shù)問題。

第一方面，本公開的一些實(shí)施例提供了一種用于生成對(duì)話語音的方法，該方法包括：在原始語音集合中確定包含一個(gè)說話人聲音的語音，得到語音集合；基于上述語音集合，生成每個(gè)說話人的語音段集合；將目標(biāo)數(shù)目個(gè)說話人的語音段集合中的語音段拼接起來，得到對(duì)話語音。

第二方面，本公開的一些實(shí)施例提供了一種語音生成裝置，裝置包括：確定單元，被配置成在原始語音集合中確定包含一個(gè)說話人聲音的語音，得到語音集合；生成單元，被配置成基于上述語音集合，生成每個(gè)說話人的語音段集合；拼接單元，被配置成將目標(biāo)數(shù)目個(gè)說話人的語音段集合中的語音段拼接起來，得到對(duì)話語音。

第三方面，本公開的一些實(shí)施例提供了一種電子設(shè)備，包括：一個(gè)或多個(gè)處理器；存儲(chǔ)裝置，其上存儲(chǔ)有一個(gè)或多個(gè)程序，當(dāng)一個(gè)或多個(gè)程序被一個(gè)或多個(gè)處理器執(zhí)行，使得一個(gè)或多個(gè)處理器實(shí)現(xiàn)如第一方面中任一實(shí)現(xiàn)方式描述的方法。

第四方面，本公開的一些實(shí)施例提供了一種計(jì)算機(jī)可讀介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其中，程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如第一方面中任一實(shí)現(xiàn)方式描述的方法。

本公開的上述各個(gè)實(shí)施例中的一個(gè)實(shí)施例具有如下有益效果：通過將多個(gè)不同說話人的個(gè)人說話語音片段拼接為對(duì)話語音，使對(duì)話語音中不同說話人之間的說話語音清晰、完整、無交疊。

附圖說明

結(jié)合附圖并參考以下具體實(shí)施方式，本公開各實(shí)施例的上述和其他特征、優(yōu)點(diǎn)及方面將變得更加明顯。貫穿附圖中，相同或相似的附圖標(biāo)記表示相同或相似的元素。應(yīng)當(dāng)理解附圖是示意性的，原件和元素不一定按照比例繪制。

圖1是本公開的一些實(shí)施例的語音生成方法的一個(gè)應(yīng)用場(chǎng)景的示意圖；

圖2是根據(jù)本公開的語音生成方法的一些實(shí)施例的流程圖；

圖3是根據(jù)本公開的語音生成方法的另一些實(shí)施例的流程圖；

圖4是根據(jù)本公開的語音生成裝置的一些實(shí)施例的結(jié)構(gòu)示意圖；

圖5是適于用來實(shí)現(xiàn)本公開的一些實(shí)施例的電子設(shè)備的結(jié)構(gòu)示意圖。

具體實(shí)施方式

下面將參照附圖更詳細(xì)地描述本公開的實(shí)施例。雖然附圖中顯示了本公開的某些實(shí)施例，然而應(yīng)當(dāng)理解的是，本公開可以通過各種形式來實(shí)現(xiàn)，而且不應(yīng)該被解釋為限于這里闡述的實(shí)施例。相反，提供這些實(shí)施例是為了更加透徹和完整地理解本公開。應(yīng)當(dāng)理解的是，本公開的附圖及實(shí)施例僅用于示例性作用，并非用于限制本公開的保護(hù)范圍。