[發明專利]一種音色轉換方法和裝置

在審

• 申請號: 202010889099.0
• 申請日: 2020-08-28
• 公開（公告）號: CN112216293A
• 公開（公告）日: 2021-01-12
• 發明（設計）人: 王愈;李健;陳明;武衛東
• 申請（專利權）人: 北京捷通華聲科技股份有限公司
• 主分類號: G10L21/007
• 分類號: G10L21/007;G10L25/30;G10L25/24
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 莎日娜

1.一種音色轉換方法，其特征在于，包括：

獲取待轉換語音；

提取所述待轉換語音的多種特征參數；

組合所述多種特征參數得到特征向量；

對所述特征向量進行音色轉換得到目標特征參數；

采用所述目標特征參數進行發聲處理得到目標語音。

2.根據權利要求1所述的方法，其特征在于，所述特征參數包括第一譜參數，基頻參數和非周期性分量參數；所述組合所述多種特征參數得到特征向量，包括：

提取所述第一譜參數的聲學特征得到第二譜參數，所述第二譜參數對應于所述待轉換語音的發聲內容；

組合所述第二譜參數、基頻參數和非周期性分量參數，得到特征向量。

3.根據權利要求2所述的方法，其特征在于，所述對所述特征向量進行音色轉換得到目標特征參數，包括：

對所述特征向量進行音色轉換，得到目標譜參數，目標基頻參數和目標非周期性成分參數。

4.根據權利要求3所述的方法，其特征在于，所述采用所述目標特征參數進行發聲處理，得到目標語音，包括：

將所述目標譜參數，目標基頻參數和目標非周期性分量參數輸入至預設聲碼器進行發聲處理，得到目標語音。

5.根據權利要求1所述的方法，其特征在于，所述對所述特征向量進行音色轉換得到目標特征參數，包括：

采用預設U型的音色轉換模型，對所述特征向量進行音色轉換得到目標特征參數。

6.根據權利要求5所述的方法，其特征在于，所述預設U型結構的音色轉換模型包含池化層和反卷積層，其中，所述池化層的運算核包含二元上下文預測模型，所述反卷積層的運算核包含二元上下文預測模型。

7.根據權利要求6所述的方法，其特征在于，采用預設U型結構的音色轉換模型，對所述特征向量進行音色轉換得到目標特征參數，包括：

在所述預設的U型結構的音色轉換模型的池化層中，采用二元上下文預測模型對所述特征向量進行降采樣處理，得到第一中間向量；

在所述預設的U型結構的音色轉換模型的反卷積層中，采用所述二元上下文預測模型對所述第一中間向量進行升采樣處理，得到第二中間向量；

對所述第二中間向量進行轉換，得到目標特征參數。

8.根據權利要求7所述的方法，其特征在于，所述在所述預設的U型結構的音色轉換模型的池化層中，采用二元上下文預測模型對所述特征向量進行降采樣處理，得到第一中間向量，包括：

在所述預設的U型結構的音色轉換模型的池化層中，采用二元上下文預測模型，根據兩個相鄰時刻的所述特征向量預測一個時刻的向量，得到第一中間向量。

9.根據權利要求7所述的方法，其特征在于，所述在所述預設的U型結構的音色轉換模型的反卷積層中，采用所述二元上下文預測模型對所述第一中間向量進行升采樣處理，得到第二中間向量，包括：

在所述預設的U型結構的音色轉換模型的反卷積層中，采用所述二元上下文預測模型，根據兩個相鄰時刻的所述第一中間向量預測一個時刻的向量，得到第二中間向量。

10.根據權利要求6所述的方法，其特征在于，所述池化層和反卷積層的權值共享。

11.一種音色轉換裝置，其特征在于，包括：

語言獲取模塊，用于獲取待轉換語音；

特征參數提取模塊，用于提取所述待轉換語音的多種特征參數；

特征參數組合模塊，用于組合所述多種特征參數得到特征向量；

音色轉換模塊，用于對所述特征向量進行音色轉換得到目標特征參數；

發聲處理模塊，用于采用所述目標特征參數進行發聲處理得到目標語音。