[发明专利]一种变声方法、装置及电子设备

权利要求书

1.一种变声方法，其特征在于，所述方法包括：

获取源说话人的原语音数据；

通过语音识别模型提取所述原语音数据的原始音频识别特征；

将所述原始音频识别特征、目标语音和指定方言输入到目标变声模型中，输出所述指定方言的目标说话人的声学特征；

其中，所述目标变声模型是自适应语音识别模型对至少一个训练说话人提取的自适应音频识别特征，以及所述至少一个训练说话人的声音特征进行模型训练得到的，所述自适应语音识别模型是根据所述至少一个训练说话人对所述语音识别模型进行自适应训练得到的；

所述自适应语音识别模型的训练步骤包括：获取所述至少一个训练说话人的语音数据，其中，所述至少一个训练说话人包括所述目标说话人，以及至少一个训练说话人中存在至少一个说话人的方言为指定方言；

针对所述至少一个训练说话人中的每个训练说话人，将训练说话人的语音数据输入到所述语音识别模型中进行特征提取，提取到训练说话人的音频识别特征，以及训练说话人的声学特征；利用训练说话人的音频识别特征和声学特征对所述语音识别模型进行自适应训练，得到训练说话人对应的自适应语音识别模型。

2.如权利要求1所述的方法，其特征在于，所述目标变声模型的训练步骤，包括：

针对所述至少一个训练说话人中的每个训练说话人，将训练说话人的语音数据输入到训练说话人对应的自适应语音识别模型中进行特征提取，提取到训练说话人的自适应音频识别特征，以及训练说话人的声学特征；

根据每个训练说话人的自适应音频识别特征和声学特征进行模型训练，得到所述目标变声模型。

3.如权利要求2所述的方法，其特征在于，所述根据每个训练说话人的自适应音频识别特征和声学特征进行模型训练，得到所述目标变声模型，包括：

针对每个训练说话人，将训练说话人的自适应音频识别特征作为模型的输入数据，将训练说话人的声学特征作为模型的输出数据进行模型训练，得到已训练的变声模型，并将所述已训练的变声模型作为所述目标变声模型。

4.如权利要求1所述的方法，其特征在于，所述将所述原始音频识别特征、所述目标语音和所述指定方言输入到目标变声模型中，输出携带有所述指定方言的所述目标说话人的声学特征，包括：

将所述原始音频识别特征输入到所述目标变声模型中，并在所述目标变声模型中的编码器中加入所述指定方言的编码，以及在所述目标变声模型的解码器中加入所述目标语音的编码，输出携带有所述指定方言的所述目标说话人的声学特征。

5.如权利要求1所述的方法，其特征在于，在输出所述指定方言的所述目标说话人的声学特征之后，所述方法还包括：

将所述目标说话人的声学特征以所述目标说话人和所述指定方言进行输出。

6.如权利要求5所述的方法，其特征在于，所述将所述目标说话人的声学特征以所述目标说话人和所述指定方言进行输出，包括：

将所述目标说话人的声学特征输入到声码器中，以所述目标说话人和所述指定方言进行输出。