[发明专利]语音生成方法、装置、电子设备以及存储介质

说明书

本公开提供了语音生成方法、装置、电子设备以及存储介质，涉及计算机技术领域，尤其涉及深度学习、语音技术等人工智能技术领域。具体实现方案为：获取原发音人的语音信息；对所述语音信息进行文本特征提取，以得到所述语音信息对应的文本特征；将所述文本特征转换为目标发音人对应的声学特征；根据所述声学特征，生成目标语音信号。实现了将原发音人的语音信息转换为对应音色与目标发音人一致的目标语音信号，从而在利用目标语音信号驱动虚拟数字人时，能够避免虚拟数字人的形象和语音不一致的情况出现。

技术领域

本公开涉及计算机技术领域，特别涉及深度学习、语音技术等人工智能技术领域，尤其涉及语音生成方法、装置、电子设备以及存储介质。

背景技术

随着人工智能与媒体行业、客服行业的深度融合，越来越多的虚拟数字人出现在媒体、客服岗位中。目前的虚拟数字人是通过语音驱动的，即通过语音驱动虚拟数字人进行唇部、面部表情变化和各种肢体动作。

但相关技术中，通常是直接通过发音人的原始语音去驱动虚拟数字人，比如在客服场景中，直接通过真人客服的语音驱动虚拟数字人，由于虚拟数字人的语音音色和真人客服的语音的音色相同，从而可能出现虚拟数字人的形象和语音不一致的情况。

发明内容

本公开提供了一种语音生成方法、装置、电子设备以及存储介质。

根据本公开的一方面，提供了一种语音生成方法，包括：获取原发音人的语音信息；对所述语音信息进行文本特征提取，以得到所述语音信息对应的文本特征；将所述文本特征转换为目标发音人对应的声学特征；根据所述声学特征，生成目标语音信号。

根据本公开的另一方面，提供了一种语音生成装置，包括：第一获取模块，用于获取原发音人的语音信息；提取模块，用于对所述语音信息进行文本特征提取，以得到所述语音信息对应的文本特征；转换模块，用于将所述文本特征转换为目标发音人对应的声学特征；生成模块，用于根据所述声学特征，生成目标语音信号。

根据本公开的另一方面，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如上所述的语音生成方法。

根据本公开的另一方面，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如上所述的语音生成方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据如上所述的语音生成方法。

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，不构成对本公开的限定。其中：

图1是根据本公开第一实施例的语音生成方法的流程示意图；

图2是根据本公开第二实施例的语音生成方法的流程示意图；

图3是根据本公开第二实施例的语音生成方法的另一流程示意图；

图4是根据本公开第三实施例的语音生成方法的流程示意图；

图5是根据本公开第四实施例的语音生成装置的结构示意图；

图6是根据本公开第五实施例的语音生成装置的结构示意图；

图7是用来实现本公开实施例的语音生成方法的电子设备的框图。

具体实施方式