[发明专利]口音转换方法及装置、电子设备

权利要求书

1.一种口音转换方法，其特征在于，所述方法包括：

获取具有第一口音的源语音数据；

获取所述源语音数据对应的源语音特征向量；所述源语音特征向量包括所述源语音数据的基频特征向量、语速特征向量、能量特征向量和频谱特征向量；

调用特征转换模型，将所述源语音特征向量转换成目标语音特征向量；

基于所述目标语音特征向量合成具有第二口音的目标语音数据；

获取所述源语音数据对应的源语音特征向量，包括：

利用带通滤波方法滤除源语音数据中的高次谐波分量，并检测出源语音数据中分布在100-200Hz的基频；

将所述源语音数据分割为若干个语音帧，每个语音帧的长度为30ms；

对分割好的语音帧进行清浊音判断，确定浊音变清音的时刻并提取浊音段；

计算浊音段信号的自相关函数，根据自相关函数的周期性计算源语音数据的基频周期；

将获取的源语音数据的基频、浊音变清音的时刻和基频周期转换成基频特征向量；

所述特征转换模型通过以下步骤训练：

获取设定数量的样本语音数据对；所述样本语音数据对包括分别采用第一口音和第二口音朗读同一内容后得到的语音数据；

利用所述样本语音数据对训练初始的特征转换模型，直至满足终止条件时停止训练，得到训练后的特征转换模型；

其中，所述终止条件包括：初始的特征转换模型输出的语音特征向量和所述第二口音的语音数据对应的语音特征向量之间的损失值，小于或者等于损失值阈值。

2.根据权利要求1所述的口音转换方法，其特征在于，所述源语音特征向量包括所述源语音数据的基频特征向量，所述获取所述源语音数据对应的源语音特征向量包括：

利用自相关方法获取所述源语音数据的基频特征向量。

3.根据权利要求1所述的口音转换方法，其特征在于，所述源语音特征向量包括所述源语音数据的语速特征向量，所述获取所述源语音数据对应的源语音特征向量包括：

利用可视化语音工具获取所述源语音数据中音节的边界；

根据所述边界确定所述源语音数据的时长和包含词语的数量；

根据所述时长和所述数量获取所述源语音数据的语速特征向量。

4.根据权利要求1所述的口音转换方法，其特征在于，所述源语音特征向量包括能量特征向量和频谱特征向量，所述获取所述源语音数据对应的源语音特征向量包括：

利用线性预测编码LPC对所述源语音数据进行编码，得到所述LPC的系数

获取所述系数的倒谱，得到线性预测倒谱系数C_n；所述C_n作为所述源语音数据的能量特征向量和频谱特征向量。

5.根据权利要求1所述的口音转换方法，其特征在于，所述源语音特征向量包括能量特征向量和频谱特征向量，所述获取所述源语音数据对应的源语音特征向量包括：

基于所述源语音数据的频率，根据梅尔公式获取所述源语音数据对应的能量包络谱；

将所述能量包络谱输入梅尔滤波器组，得到梅尔频率刻度；

对所述梅尔频率刻度进行对数变换和离散余弦变换，得到梅尔频率倒谱系数MFCC；所述MFCC作为所述源语音数据的能量特征向量和频谱特征向量。