[發明專利]語音樣本生成方法及裝置、存儲介質、電子裝置

在審

• 申請號: 202011044992.X
• 申請日: 2020-09-28
• 公開（公告）號: CN112201227A
• 公開（公告）日: 2021-01-08
• 發明（設計）人: 葛路奇;趙培;馬路;趙欣
• 申請（專利權）人: 海爾優家智能科技（北京）有限公司
• 主分類號: G10L15/06
• 分類號: G10L15/06;G10L15/22;H04L12/28;G06K9/62
• 代理公司: 北京康信知識產權代理有限責任公司 11240
• 代理人: 江舟

1.一種語音樣本生成方法，其特征在于，包括：

獲取第一語音樣本與第二語音樣本，其中，所述第一語音樣本為第一對象未佩戴口罩的情形下產生的語音樣本，所述第二語音樣本為所述第一對象佩戴口罩的情形下產生的語音樣本；

根據所述第一語音樣本與所述第二語音樣本建立樣本生成模型；其中，所述樣本生成模型用于指示所述第一語音樣本與所述第二語音樣本之間的關系；

獲取第三語音樣本，并根據所述第三語音樣本與所述樣本生成模型生成目標語音樣本；其中，所述第三語音樣本為第二對象未佩戴口罩的情形下產生的語音樣本，所述目標語音樣本用于指示所述第二對象佩戴口罩的情形下對應的語音樣本。

2.根據權利要求1所述的方法，其特征在于，所述第一語音樣本與所述第二語音樣本之間的音頻相似度小于預設閾值。

3.根據權利要求1或2所述的方法，其特征在于，所述根據所述第一語音樣本與所述第二語音樣本建立樣本生成模型，還包括：

獲取所述第一語音樣本中的第一語音片段，以及所述第二語音樣本中的第二語音片段；其中，所述第一語音片段為所述第一語音樣本中的有效片段，所述第二語音片段為所述第二語音樣本中的有效片段；

將所述第一語音片段與所述第二語音片段進行時域上的對齊處理，并根據所述第一語音片段與所述第二語音片段建立所述樣本生成模型。

4.根據權利要求3所述的方法，其特征在于，所述根據所述第一語音片段與所述第二語音片段建立所述樣本生成模型，包括：

將所述第一語音片段與所述第二語音片段由時域轉換至頻域，并獲取所述第一語音片段中每一幀對應的第一頻域值，以及所述第二語音片段中每一幀對應的第二頻域值；

根據所述第一頻域值與所述第二頻域值確定每一幀對應的傳遞系數，其中，所述傳遞系數用于指示所述第一頻域值與對應的所述第二頻域值之間的關系；

根據所述傳遞系數建立所述樣本生成模型。

5.根據權利要求4所述的方法，其特征在于，所述根據所述傳遞系數建立所述樣本生成模型，包括：

對多幀對應的多個所述傳遞系數進行聚類處理，以確定樣本生成系數；其中，所述樣本生成系數用于指示多個所述傳遞系數進行聚類處理所得的中心點對應的所述傳遞系數。

6.根據權利要求5所述的方法，其特征在于，所述根據所述第三語音樣本與所述樣本生成模型生成目標語音樣本，包括：

將所述第三語音樣本由時域轉換至頻域，以獲取所述第三語音樣本中每一幀對應的第三頻域值；

根據所述第三頻域值與所述樣本生成系數以得到每一幀對應的目標頻域值；其中，所述目標頻域值用于指示所述目標語音樣本由時域轉換至頻域后每一幀對應的頻域值；

將每一幀對應的所述目標頻域值轉換至時域，以得到所述目標語音樣本。

7.根據權利要求6所述的方法，其特征在于，將每一幀對應的所述目標頻域值轉換至時域，以得到所述目標語音樣本，包括：

將第一幀對應的所述目標頻域值轉換為第一目標時域信息，將第二幀對應的所述目標頻域值轉換為第二目標時域信息；其中，所述第一幀與第二幀為相鄰幀；

將所述第一目標時域信息的至少部分與所述第二目標時域信息的至少部分進行疊加，以得到所述目標語音樣本。

8.一種語音樣本生成裝置，其特征在于，包括：

獲取模塊，用于獲取第一語音樣本與第二語音樣本，其中，所述第一語音樣本為第一對象未佩戴口罩的情形下產生的語音樣本，所述第二語音樣本為所述第一對象佩戴口罩的情形下產生的語音樣本；

建立模塊，用于根據所述第一語音樣本與所述第二語音樣本建立樣本生成模型；其中，所述樣本生成模型用于指示所述第一語音樣本與所述第二語音樣本之間的關系；

生成模塊，用于獲取第三語音樣本，并根據所述第三語音樣本與所述樣本生成模型生成目標語音樣本；其中，所述第三語音樣本為第二對象未佩戴口罩的情形下產生的語音樣本，所述目標語音樣本用于指示所述第二對象佩戴口罩的情形下對應的語音樣本。