[發(fā)明專利]語音信息處理方法、裝置、電子設(shè)備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202011229994.6
• 申請日: 2020-11-06
• 公開（公告）號: CN112349271A
• 公開（公告）日: 2021-02-09
• 發(fā)明（設(shè)計）人: 邱學(xué)侃
• 申請（專利權(quán)）人: 北京樂學(xué)幫網(wǎng)絡(luò)技術(shù)有限公司
• 主分類號: G10L13/033
• 分類號: G10L13/033;G10L15/26;G10L21/0208;G10L15/16
• 代理公司: 北京中知恒瑞知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11889
• 代理人: 謝玲

1.一種語音信息處理方法，其特征在于，包括：

接收原始語音數(shù)據(jù)；

提取所述原始語音數(shù)據(jù)中的原始語音信息內(nèi)容；

根據(jù)所述原始語音信息內(nèi)容，確定與所述原始語音信息內(nèi)容相關(guān)的預(yù)設(shè)語音信息內(nèi)容以及預(yù)設(shè)語音風格；

將所述原始語音信息內(nèi)容、所述預(yù)設(shè)語音信息內(nèi)容和所述預(yù)設(shè)語音風格進行融合并輸出。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述預(yù)設(shè)語音風格包括多個預(yù)設(shè)語音風格；

所述根據(jù)所述原始語音信息內(nèi)容，確定與所述原始語音信息內(nèi)容相關(guān)的預(yù)設(shè)語音信息內(nèi)容以及預(yù)設(shè)語音風格，包括：

根據(jù)所述原始語音信息內(nèi)容，從數(shù)據(jù)庫中確定與所述原始語音信息內(nèi)容相關(guān)的預(yù)設(shè)語音信息內(nèi)容，并根據(jù)所述預(yù)設(shè)語音信息內(nèi)容所對應(yīng)的音頻特征，從所述多個預(yù)設(shè)語音風格中確定目標語音風格；

所述將所述原始語音信息內(nèi)容、所述預(yù)設(shè)語音信息內(nèi)容和所述預(yù)設(shè)語音風格進行融合并輸出，包括：

根據(jù)所述預(yù)設(shè)語音信息內(nèi)容完善所述原始語音信息內(nèi)容，并采用所述目標語音風格輸出完善后的所述原始語音信息內(nèi)容。

3.根據(jù)權(quán)利要求1或2所述的方法，其特征在于，所述語音風格包括音色、語調(diào)、韻律及重讀中的至少一種。

4.根據(jù)權(quán)利要求1-3任一所述的方法，其特征在于，所述提取所述原始語音數(shù)據(jù)中的原始語音信息內(nèi)容，包括：

將所述原始數(shù)據(jù)輸入到編碼神經(jīng)網(wǎng)絡(luò)中，以獲取表征所述原始語音信息內(nèi)容的原始語音信號表示向量；

所述根據(jù)所述原始語音信息內(nèi)容，確定與所述原始語音信息內(nèi)容相關(guān)的預(yù)設(shè)語音信息內(nèi)容以及預(yù)設(shè)語音風格，包括：

根據(jù)所述原始語音信號表示向量，確定與所述原始語音信號表示向量相關(guān)的目標語音信號表示向量以及預(yù)設(shè)風格向量；

所述將所述原始語音信息內(nèi)容、所述預(yù)設(shè)語音信息內(nèi)容和預(yù)設(shè)語音風格進行融合并輸出，包括：

將所述原始語音信號表示向量、所述目標語音信號表示向量和所述預(yù)設(shè)語音風格向量進行融合并輸出。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述將所述原始數(shù)據(jù)輸入到編碼神經(jīng)網(wǎng)絡(luò)中，以獲取表征所述原始語音信息內(nèi)容的原始語音信號表示向量，包括：

將所述原始語音數(shù)據(jù)轉(zhuǎn)換成梅爾譜向量；

將所述梅爾譜向量輸入到所述編碼神經(jīng)網(wǎng)絡(luò)中，以提取所述原始語音信號表示向量。

6.根據(jù)權(quán)利要求4或5所述的方法，其特征在于，所述提取所述原始語音數(shù)據(jù)中的原始語音信息內(nèi)容，還包括：

將所述原始語音數(shù)據(jù)輸入到所述編碼神經(jīng)網(wǎng)絡(luò)中，并對所述原始語音數(shù)據(jù)中所存在的噪音數(shù)據(jù)進行抑制，以得到輸出的原始語音信息內(nèi)容。

7.根據(jù)權(quán)利要求4-6任一所述的方法，其特征在于，所述將所述原始語音信號表示向量、所述目標語音信號表示向量和所述預(yù)設(shè)語音風格向量進行融合并輸出，包括：

將所述原始語音信號表示向量、所述目標語音信號表示向量和所述預(yù)設(shè)語音風格向量進行融合，以獲得目標語音數(shù)據(jù)向量；

將所述目標語音數(shù)據(jù)向量輸入到解碼神經(jīng)網(wǎng)絡(luò)中進行解碼，以獲得目標梅爾譜向量；

將所述目標梅爾譜向量轉(zhuǎn)換成目標語音數(shù)據(jù)進行輸出。

8.根據(jù)權(quán)利要求1-7任一所述的方法，其特征在于，所述接收原始語音數(shù)據(jù)，包括：

接收教師端發(fā)出的用于作業(yè)點評的語音數(shù)據(jù)。

9.一種語音信息處理裝置，其特征在于，包括：

接收模塊，用于接收原始語音數(shù)據(jù)；

提取模塊，用于提取所述原始語音數(shù)據(jù)中的原始語音信息內(nèi)容；

確定模塊，用于根據(jù)所述原始語音信息內(nèi)容，確定與所述原始語音信息內(nèi)容相關(guān)的預(yù)設(shè)語音信息內(nèi)容以及預(yù)設(shè)語音風格；

輸出模塊，用于將所述原始語音信息內(nèi)容、所述預(yù)設(shè)語音信息內(nèi)容和預(yù)設(shè)語音風格進行融合并輸出。