[发明专利]语音转换方法、装置和电子设备

说明书

本申请公开了语音转换方法、装置和电子设备，涉及语音转换、语音交互、自然语言处理、深度学习技术领域。具体实现方案为：获取第一用户的源语音和第二用户的参照语音；从源语音中提取出第一语音内容信息和第一声学特征；从参照语音中提取出第二声学特征；将第一语音内容信息、第一声学特征和第二声学特征输入至预先训练好的语音转换模型中，得到重构的第三声学特征，预先训练好的语音转换模型根据第三用户的语音训练得到；以及根据第三声学特征合成目标语音。该方法将源语音的第一语音内容信息和第一声学特征、参照语音的第二声学特征输入至预先训练好的语音转换模型中，得到并根据重构的第三声学特征合成目标语音，可缩短语音转换的等待时间。

技术领域

本申请涉及计算机技术领域中的语音转换、语音交互、自然语言处理、深度学习技术领域，尤其涉及一种语音转换方法、装置、电子设备和存储介质。

背景技术

语音转换方法可将一个用户的一段语音转换为具有目标用户的音色的一段语音，即可实现目标用户的音色的模仿。目前，相关技术中的语音转换方法需要用户提前录制语音片段，并根据用户的语音片段进行模型的训练和更新，之后根据更新后的模型进行语音转换，该方法对用户的语音录制要求较高，每次进行语音转换之前都需要更新模型，语音转换的等待时间较长，灵活性较差。

发明内容

提供了一种语音转换方法、装置、电子设备和存储介质。

根据第一方面，提供了一种语音转换方法，包括：获取第一用户的源语音和第二用户的参照语音；从所述源语音中提取出第一语音内容信息和第一声学特征；从所述参照语音中提取出第二声学特征；将所述第一语音内容信息、所述第一声学特征和所述第二声学特征输入至预先训练好的语音转换模型中，得到重构的第三声学特征，所述预先训练好的语音转换模型根据第三用户的语音训练得到；以及根据所述第三声学特征合成目标语音。

根据第二方面，提供了一种语音转换装置，包括：获取模块，用于获取第一用户的源语音和第二用户的参照语音；第一提取模块，用于从所述源语音中提取出第一语音内容信息和第一声学特征；第二提取模块，用于从所述参照语音中提取出第二声学特征；转换模块，用于将所述第一语音内容信息、所述第一声学特征和所述第二声学特征输入至预先训练好的语音转换模型中，得到重构的第三声学特征，所述预先训练好的语音转换模型根据第三用户的语音训练得到；以及合成模块，用于根据所述第三声学特征合成目标语音。

根据第三方面，提供了一种电子设备，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本申请第一方面所述的语音转换方法。

根据第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本申请第一方面所述的语音转换方法。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是根据本申请第一实施例的语音转换方法的流程示意图；

图2是根据本申请第二实施例的语音转换方法的场景示意图；

图3是根据本申请第三实施例的语音转换方法的场景示意图；

图4是根据本申请第四实施例的语音转换方法中得到重构的第三声学特征的流程示意图；

图5是根据本申请第四实施例的语音转换方法中获取预先训练好的语音转换模型的流程示意图；

图6是根据本申请第一实施例的语音转换装置的框图；