[發明專利]一種語音音色轉換方法、裝置及計算機可讀存儲介質

在審

• 申請號: 202211264983.0
• 申請日: 2022-10-14
• 公開（公告）號: CN115588424A
• 公開（公告）日: 2023-01-10
• 發明（設計）人: 詹維典;林昊;徐偉;王啟騰;梁萬山;納穎泉
• 申請（專利權）人: 招聯消費金融有限公司
• 主分類號: G10L13/027
• 分類號: G10L13/027;G10L13/033
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 肖騰蛟

本申請涉及語音處理領域，尤其涉及一種語音音色轉換方法、裝置及計算機可讀存儲介質。該方法包括：獲取第一音頻對應的第一頻譜。從音色庫提取第一音色特征參量，其中，所述音色庫中包括多個預置的音色特征參量。通過預設的音色轉換模型來根據所述第一頻譜和所述第一音色特征參量確定出第二頻譜。根據所述第二頻譜確定出所述第一音色特征參量對應的第一音色的第二音頻。采用本申請提供的方法，可實現語音音色的實時轉換，提高語音音色轉換的效率。

技術領域

本發明涉及語音處理領域，尤其涉及一種語音音色轉換方法、裝置及計算機可讀存儲介質。

背景技術

隨著科學技術的迅速發展，語音音色轉換技術也得到了飛速發展。語音音色轉換是指在保持語言內容不變的情況下，將語音的原始說話人的音色轉換為目標說話人的音色。語音音色轉換在視頻變聲、視頻配音、人機交互等領域發揮著重要作用。

然而，現有的語音音色轉換方案中，需要用戶錄制的較長時間的語音語料并且保證朗讀內容的準確性，才能通過訓練神經網絡語音合成系統中的語音合成模型，獲得自己專屬定制音色，這導致用戶需要花費較多時間來提供語音語料，從而用戶體驗較差。因此，如何快速便捷的實現語音音色實時轉換成已經為亟待解決的技術問題之一。

發明內容

本申請實施例所要解決的技術問題在于現有的語音音色轉換方案中，需要用戶提供大量的語音語料并且還要保證語音內容的準確性，這導致用戶花費時間較多，體驗較差。

第一方面，本申請實施例提供了一種語音音色轉換方法。該方法包括：獲取第一音頻對應的第一頻譜。從音色庫提取第一音色特征參量，其中，所述音色庫中包括多個預置的音色特征參量。通過預設的音色轉換模型來根據所述第一頻譜和所述第一音色特征參量確定出第二頻譜。根據所述第二頻譜確定出所述第一音色特征參量對應的第一音色的第二音頻。

在本申請實施例中，從音色庫中直接提取第一音色特征參量，并通過預設的音色轉換模型實現將第一音頻轉換為第一音色特征參量對應的第一音色的第二音頻。因此，本申請實施例提供的語音音色轉換方法，從音色庫中直接提取目標音色特征參量，不需要用戶花費大量時間提供精準的語音語料來提取用戶的音色特征，進而實現音色轉換，從而節約時間，調高語音音色轉換效率，提升用戶體驗。

結合第一方面，在一種可行的實現方式中，所述第一頻譜包括N個第一子頻譜，所述第二頻譜包括N-1個第二子頻譜，其中，N為大于或者等于2的正整數。所述通過預設的音色轉換模型來根據所述第一頻譜和所述第一音色特征參量確定出第二頻譜，包括：對所述N個第一子頻譜i和第一子頻譜j進行一下頻譜合成操作：根據所述第一子頻譜i和所述第一子頻譜j確定出第一中間頻譜k。通過預設的音色轉換模型來根據所述第一音色特征參量和所述第一子中間頻譜k確定出一個第二子頻譜。根據對所述N個第一子頻譜中各相鄰的兩個第一子頻譜執行所述頻譜合成操作的結果確定出所述N-1個第二子頻譜。

結合第一方面，在一種可行的實現方式中，所述根據所述第一子頻譜i和所述第一子頻譜j確定出第一中間頻譜k，包括：根據預設的第一截取偏移量對所述第一子頻譜i進行頻譜截取以得到第一子中間頻譜k1。根據所述預設的第二截取偏移量對所述第一子頻譜j進行頻譜截取以得到第一子中間頻譜k2。對所述第一子中間頻譜k1和所述第一子中間頻譜k2進行頻譜合并以得到第一中間頻譜k。

結合第一方面，在一種可行的實現方式中，所述根據預設的第一截取偏移量對所述第一子頻譜i進行截取以得到第一子中間頻譜k1，包括：獲取所述第一子頻譜i的終止時刻和第一中心時刻。根據所述第一中心時刻和所述預設的第一截取偏移量確定出第一中間時刻t1，其中，所述第一中間時刻t1在所述第一中心時刻之前且所述第一中心時刻與所述第一中間時刻t1的差值為所述第一截取偏移量。根據所述第一中間時刻t1和所述終止時刻在所述第一子頻譜i中確定出所述第一子中間頻譜k1。