[發明專利]一種語音過濾方法、裝置、電子設備及存儲介質

在審

• 申請號: 202111665116.3
• 申請日: 2021-12-31
• 公開（公告）號: CN114299989A
• 公開（公告）日: 2022-04-08
• 發明（設計）人: 甘文東;文博龍;閆影;陳海濤;郭凱旋;李海;黃心馳
• 申請（專利權）人: 成都愛奇藝智能創新科技有限公司
• 主分類號: G10L25/24
• 分類號: G10L25/24;G10L25/87;G10L15/14;G10L15/16;G10L13/033
• 代理公司: 北京華夏泰和知識產權代理有限公司 11662
• 代理人: 張亞輝

1.一種語音過濾方法，其特征在于，所述語音過濾方法，包括：

根據語音對齊序列對目標語音的韻律向量執行對齊操作，以得到多組對齊向量，所述語音對齊序列為對所述目標語音進行音素劃分得到的序列；

獲取每組所述對齊向量的狀態向量，并對所述狀態向量進行降采樣得到降采樣向量；

對所述降采樣向量進行重建，以得到與所述韻律向量長度一致的過濾韻律向量，所述過濾韻律向量用于對所述目標語音進行語音轉換。

2.根據權利要求1所述的方法，其特征在于，所述根據語音對齊序列對目標語音的韻律向量執行對齊操作，以得到多組對齊向量，包括：

獲取所述語音對齊序列中劃分的音素劃分值；

根據所述音素劃分值對所述韻律向量進行劃分，以得到多組對齊向量。

3.根據權利要求2所述的方法，其特征在于，所述獲取所述語音對齊序列中劃分的音素劃分值之前，所述方法還包括：

將所述目標語音輸入到預訓練音素獲取模型中，所述預訓練音素獲取模型通過語音訓練集進行訓練得到，所述語音訓練集中包含了對語音進行標注的音素，所述預訓練音素獲取模型用于獲取所述目標語音的音素；

獲取所述預訓練音素獲取模型輸出的音素；

根據所述預訓練音素獲取模型輸出的音素、所述目標語音，對所述預訓練音素獲取模型輸出的音素進行劃分，以得到所述語音對齊序列，所述語音對齊序列中包括對所述音素進行劃分得到的所述音素劃分值。

4.根據權利要求1所述的方法，其特征在于，所述獲取每組所述對齊向量的狀態向量，包括：

將多組所述對齊向量依次輸入用于獲取隱藏狀態的門控循環單元模型中，以依次獲取多組所述對齊向量中各個向量對應的所述隱藏狀態，并將所述隱藏狀態作為所述狀態向量，所述對齊向量中后一向量對應的隱藏狀態包括前一向量的信息。

5.根據權利要求1所述的方法，其特征在于，所述對所述狀態向量進行降采樣得到降采樣向量，包括：

獲取每組所述對齊向量中尾部向量對應的所述狀態向量；

將獲取的所述狀態向量作為所述降采樣向量，所述降采樣向量用于重建得到所述過濾韻律向量。

6.根據權利要求1所述的方法，其特征在于，所述對所述降采樣向量進行重建，以得到與所述韻律向量長度一致的過濾韻律向量，包括：

獲取所述降采樣向量對應的對齊向量中包含的向量數；

根據所述向量數對所述降采樣向量進行復制，以得到與所述韻律向量長度一致的過濾韻律向量。

7.根據權利要求1所述的方法，其特征在于，所述對所述降采樣向量進行重建，以得到與所述韻律向量長度一致的過濾韻律向量之后，所述方法還包括：

根據所述過濾韻律向量、所述目標語音對應的目標音色以及所述目標語音對應的內容向量，生成梅爾普特征；

將所述梅爾普特征輸入聲學模型中，以使得所述聲學模型根據所述梅爾普特征生成語音，以將所述目標語音的音色轉換為所述目標音色。

8.一種語音過濾裝置，其特征在于，所述語音過濾裝置，包括：

對齊模塊，所述對齊模塊用于根據語音對齊序列對目標語音的韻律向量執行對齊操作，以得到多組對齊向量，所述語音對齊序列為對所述目標語音進行音素劃分得到的序列；

采樣模塊，所述采樣模塊用于獲取每組所述對齊向量的狀態向量，并對所述狀態向量進行降采樣得到降采樣向量；

重建模塊，所述重建模塊用于對所述降采樣向量進行重建，以得到與所述韻律向量長度一致的過濾韻律向量。

9.一種電子設備，其特征在于，包括處理器、通信接口、存儲器和通信總線，其中，處理器，通信接口，存儲器通過通信總線完成相互間的通信；

存儲器，用于存放計算機程序；

處理器，用于執行存儲器上所存放的程序時，實現權利要求1-7任一項所述的語音過濾方法的步驟。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1-7任一項所述的語音過濾方法的步驟。