[发明专利]非平行语料声音转换数据增强模型训练方法及装置有效
申请号: | 201910863861.5 | 申请日: | 2019-09-12 |
公开(公告)号: | CN110600013B | 公开(公告)日: | 2021-11-02 |
发明(设计)人: | 俞凯;李沐阳;陈博;陈宽;吴松泽;刘知峻 | 申请(专利权)人: | 思必驰科技股份有限公司 |
主分类号: | G10L15/06 | 分类号: | G10L15/06;G10L21/007;G10L21/013;G10L25/30 |
代理公司: | 北京商专永信知识产权代理事务所(普通合伙) 11400 | 代理人: | 黄谦;车江华 |
地址: | 215123 江苏省苏州市苏*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 平行 语料 声音 转换 数据 增强 模型 训练 方法 装置 | ||
1.一种非平行语料声音转换数据增强方法,包括:
为数据增强模型配置顺序连接的声学注意力层、文本注意力层和解码器模块;所述声学注意力层包括第一GRU层和第一注意力层,所述文本注意力层包括第二GRU层和第二注意力层;
将样本源文本序列编码为嵌入序列;
将样本目标声学特征序列输入至所述第一GRU层;将所述嵌入序列输入至所述第一注意力层和第二注意力层,以训练所述数据增强模型;
将源语音数据输入至所述第一GRU层和所述第二GRU层,将目标语音数据输入至所述解码器模块,以实现所述源语音数据与所述目标语音数据之间的对齐。
2.根据权利要求1所述的方法,其中,还包括:
向所述第一GRU层、所述第二GRU层和所述解码器模块输入全局条件,所述全局条件为说话者身份特征信息。
3.根据权利要求1所述的方法,其中,所述解码器模块包括CBHG子模块和BLSTM子模块。
4.一种数据转换方法,包括:
采用权利要求1所述的方法生成平行语音数据;
将所述平行语音数据输入至预先训练好的平行语音转换模型。
5.一种电子设备,其包括:至少一个处理器,以及与所述至少一个处理器通信连接的存储器,其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-4中任意一项所述方法的步骤。
6.一种存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-4中任意一项所述方法的步骤。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于思必驰科技股份有限公司,未经思必驰科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910863861.5/1.html,转载请声明来源钻瓜专利网。