[发明专利]口音转换方法及装置、电子设备

说明书

本发明涉及口音转换方法及装置、电子设备。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；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。根据本发明的实施例，通过对双方的源语音数据进行口音转换，使双方具有相同或者相似的口音，降低因口音不同而引起的沟通障碍，可以提升双方沟通效率。另外，本实施例可以保持双方说话时的语音特点，使双方感受到对方的内容和情感，进一步提升沟通效率。

技术领域

本发明涉及语音处理技术领域，尤其涉及一种口音转换方法及装置、电子设备。

背景技术

随着经济的发展，在工作或者生活中，用户会与不同国家或者地区的用户交流。双方会采用同一种语言进行沟通，并且双方会不自觉地将各自的口音嵌入到该语言中，影响到对方的理解。以英语为例，包括英式英语、美式英语、澳式英语、中式英语、印式英语等。另外，在电话沟通场景中，由于缺少表情、动作等辅助方式的帮忙，影响结果更加明显。

发明内容

本发明提供一种口音转换方法及装置、电子设备，以解决相关技术中的不足。

根据本发明实施例的第一方面，提供一种口音转换方法，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；

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。

可选地，所述源语音特征向量包括以下至少一个：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。

可选地，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。

可选地，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。

可选地，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；所述作为所述源语音数据的能量特征向量和频谱特征向量。

可选地，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。

可选地，所述方法还包括：

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；