[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

本申請公開了一種變聲方法、裝置、設備和存儲介質，方法包括：響應于用戶的變聲請求，實時采集用戶的原始語音數據，變聲請求攜帶有目標聲學特征的標識；根據目標說話人的標識從預置數據庫中獲取目標聲學特征；實時提取原始語音數據的情緒特征；將目標聲學特征和情緒特征進行特征融合后，與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，改善了現有技術存在的變聲效果單一、生硬，使得用戶體驗性較差的技術問題。

技術領域

本申請涉及語音處理技術領域，尤其涉及一種變聲方法、裝置、設備和存儲介質。

背景技術

變聲技術是指保留語音數據的語音內容，但改變說話人聲音特征的技術，使得說話人的聲音聽起來像另一個人的聲音。現有技術的變聲效果比較單一、生硬，使得用戶體驗性較差。

發明內容

本申請提供了一種變聲方法、裝置、設備和存儲介質，用于改善現有技術存在的變聲效果單一、生硬，使得用戶體驗性較差的技術問題。

有鑒于此，本申請第一方面提供了一種變聲方法方法，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。

可選的，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。

可選的，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。

可選的，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。

可選的，所述預置變聲模型為訓練好的StarGAN網絡。

本申請第二方面提供了一種變聲裝置，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。