[发明专利]语音转换方法、装置、设备及存储介质

权利要求书

1.一种语音转换方法，其特征在于，所述方法包括：

获取语音转换模型，所述语音转换模型用于根据具有任一音色且属于原始语种的参考语音，将属于所述原始语种的文本转换成具有所述任一音色且属于目标语种的语音，所述原始语种与所述目标语种不同；

获取属于所述原始语种的目标文本和参考语音；

调用所述语音转换模型，根据所述参考语音，将所述目标文本转换成目标语音，所述目标语音与所述目标文本的语义相同，与所述参考语音的音色相同，且属于所述目标语种；

其中，所述语音转换模型的训练过程包括：

获取样本信息，所述样本信息包括样本文本、第一样本语音和第二样本语音，所述样本文本和所述第一样本语音属于所述原始语种，所述第一样本语音与所述样本文本的语义相同，所述第二样本语音与所述样本文本的语义相同且属于所述目标语种，所述第一样本语音和所述第二样本语音的音色不同；

调用所述语音转换模型，根据所述第一样本语音，将所述样本文本转换成第一预测语音；

根据所述第一预测语音与所述第一样本语音之间的音色差异以及所述第一预测语音与所述第二样本语音之间的内容差异，训练所述语音转换模型。

2.根据权利要求1所述的方法，其特征在于，所述语音转换模型包括特征提取子模型和语音转换子模型，所述调用所述语音转换模型，根据所述参考语音，将所述目标文本转换成目标语音，包括：

调用所述特征提取子模型，对所述参考语音进行特征提取，得到目标用户特征；

调用所述语音转换子模型，根据所述目标用户特征对所述目标文本进行语音转换，得到所述目标语音。

3.根据权利要求2所述的方法，其特征在于，所述语音转换子模型包括文本特征提取网络、声学特征提取网络和语音转换网络，所述调用所述语音转换子模型，根据所述目标用户特征对所述目标文本进行语音转换，得到所述目标语音，包括：

调用所述文本特征提取网络，根据所述目标用户特征对所述目标文本进行特征提取，得到目标文本特征；

调用所述声学特征提取网络，对所述目标文本特征进行特征转换，得到目标声学特征；

调用所述语音转换网络，根据所述目标用户特征对所述目标声学特征进行语音转换，得到所述目标语音。

4.根据权利要求1所述的方法，其特征在于，所述语音转换模型包括特征提取子模型和语音转换子模型，所述调用所述语音转换模型，根据所述第一样本语音，将所述样本文本转换成第一预测语音，包括：

调用所述特征提取子模型，对所述第一样本语音进行特征提取，得到样本用户特征；

调用所述语音转换子模型，根据所述样本用户特征对所述样本文本进行语音转换，得到所述第一预测语音。

5.根据权利要求4所述的方法，其特征在于，所述调用所述特征提取子模型，对所述第一样本语音进行特征提取，得到样本用户特征之前，所述语音转换模型的训练过程还包括：

获取所述第一样本语音的样本标签，所述样本标签指示发出所述第一样本语音的样本用户；

调用所述特征提取子模型，对所述第一样本语音进行特征提取，得到第一用户特征；

调用用户分类模型，根据所述第一用户特征进行分类，得到预测标签；

根据所述样本标签和所述预测标签，训练所述特征提取子模型。

6.根据权利要求4所述的方法，其特征在于，所述调用所述特征提取子模型，对所述第一样本语音进行特征提取，得到样本用户特征之前，所述语音转换模型的训练过程还包括：

调用所述特征提取子模型，对所述第一样本语音进行特征提取，得到第二用户特征；

获取所述原始语种的正样本用户特征和负样本用户特征，提取出所述正样本用户特征的语音属于所述原始语种，提取出所述负样本用户特征的语音不属于所述原始语种；

根据所述第二用户特征、所述正样本用户特征和所述负样本用户特征，训练所述特征提取子模型。