[發明專利]一種變聲方法、裝置、設備和存儲介質

在審

• 申請號: 202110602131.7
• 申請日: 2021-05-31
• 公開（公告）號: CN113345411A
• 公開（公告）日: 2021-09-03
• 發明（設計）人: 徐波
• 申請（專利權）人: 多益網絡有限公司;廣州多益網絡股份有限公司;廣東利為網絡科技有限公司
• 主分類號: G10L13/033
• 分類號: G10L13/033;G10L25/30;G10L25/63
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 劉曉娟

1.一種變聲方法，其特征在于，包括：

響應于用戶的變聲請求，實時采集所述用戶的原始語音數據，所述變聲請求攜帶有目標聲學特征的標識；

根據所述目標說話人的標識從預置數據庫中獲取所述目標聲學特征；

實時提取所述原始語音數據的情緒特征；

將所述目標聲學特征和所述情緒特征進行特征融合后，與所述原始語音數據一起輸入到預置變聲模型進行變聲處理，得到變聲語音數據。

2.根據權利要求1所述的變聲方法，其特征在于，所述將所述目標聲學特征和所述情緒特征進行特征融合后，與所述原始語音數據一起輸入到預置變聲模型進行變聲處理，得到變聲語音數據，之前還包括：

根據所述目標聲學特征的方差對所述目標聲學特征進行隨機初始化處理，得到初始化后的目標聲學特征。

3.根據權利要求1所述的變聲方法，其特征在于，所述預置數據庫的獲取過程為：

獲取若干說話人的語音數據；

提取所述語音數據的聲學特征；

給所述聲學特征配置標識后，根據所述標識和所述聲學特征的對應關系存儲所述聲學特征，得到所述預置數據庫。

4.根據權利要求3所述的變聲方法，其特征在于，所述給所述聲學特征配置標識，根據所述聲學特征的標識和所述聲學特征的對應關系生成所述預置數據庫，之前還包括：

根據所述說話人的相關信息對所述聲學特征進行聚類，得到若干個簇，所述相關信息包括性別和/或年齡；

根據所述簇的中心隨機生成新聲學特征；

相應的，所述給所述聲學特征配置標識后，根據所述標識和所述聲學特征的對應關系存儲所述聲學特征，得到所述預置數據庫，包括：

給所述聲學特征和所述新聲學特征配置標識后，根據所述標識和所述聲學特征、所述新聲學特征的對應關系存儲所述聲學特征和所述新聲學特征，得到所述預置數據庫。

5.根據權利要求1所述的變聲方法，其特征在于，所述預置變聲模型為訓練好的StarGAN網絡。

6.一種變聲裝置，其特征在于，包括：

采集單元，用于響應于用戶的變聲請求，實時采集所述用戶的原始語音數據，所述變聲請求攜帶有目標聲學特征的標識；

獲取單元，用于根據所述目標說話人的標識從預置數據庫中獲取所述目標聲學特征；

提取單元，用于實時提取所述原始語音數據的情緒特征；

輸入單元，用于將所述目標聲學特征和所述情緒特征進行特征融合后，與所述原始語音數據一起輸入到預置變聲模型進行變聲處理，得到變聲語音數據。

7.根據權利要求6所述的變聲裝置，其特征在于，還包括：

處理單元，用于根據所述目標聲學特征的方差對所述目標聲學特征進行隨機初始化處理，得到初始化后的目標聲學特征。

8.根據權利要求6所述的變聲裝置，其特征在于，所述預置數據庫的獲取過程為：

獲取若干說話人的語音數據；

提取所述語音數據的聲學特征；

給所述聲學特征配置標識后，根據所述標識和所述聲學特征的對應關系存儲所述聲學特征，得到所述預置數據庫。

9.一種變聲設備，其特征在于，所述設備包括處理器以及存儲器；

所述存儲器用于存儲程序代碼，并將所述程序代碼傳輸給所述處理器；

所述處理器用于根據所述程序代碼中的指令執行權利要求1-5任一項所述的變聲方法。

10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質用于存儲程序代碼，所述程序代碼用于執行權利要求1-5任一項所述的變聲方法。