[发明专利]一种音色转换方法、装置、电子设备及可读存储介质

权利要求书

1.一种音色转换方法，其特征在于，所述方法包括：

提取待转换语音的输入谱参数；

基于所述输入谱参数，确定第一语音文本参数；

基于所述音色转换模型，对所述输入谱参数进行变分自编码处理及注意力机制处理，确定所述语音声音参数；

基于所述音色转换模型，对所述语音声音参数及所述第一语音文本参数进行处理，确定输出谱参数；

基于所述输出谱参数，得到音色转换后的目标语音。

2.根据权利要求1所述的方法，其特征在于，所述基于所述音色转换模型，对所述输入谱参数进行变分自编码处理及注意力机制处理，确定所述语音声音参数，包括：

基于所述音色转换模型，对所述输入谱参数进行所述变分自编码处理，确定语音声音参数的第一概率分布参数；

对所述第一概率分布参数进行所述注意力机制处理，得到第二概率分布参数；

根据所述第二概率分布参数，确定所述语音声音参数。

3.根据权利要求2所述的方法，其特征在于，所述基于所述音色转换模型，对所述语音声音参数及所述第一语音文本参数进行处理，确定输出谱参数，包括：

基于所述音色转换模型，对所述第一语音文本参数进行预设伦次的长度减半的卷积操作，得到中间文本参数；

根据所述中间文本参数及所述语音声音参数，确定目标语音参数；

对所述目标语音参数进行所述预设伦次的长度加倍的反卷积操作，确定所述输出谱参数。

4.根据权利要求3所述的方法，其特征在于，所述对所述输入谱参数进行变分自编码处理，确定语音声音参数的第一概率分布参数，包括：

基于所述音色转换模型，对所述输入谱参数进行所述预设轮次的长度减半的所述卷积操作，确定目标输入谱参数；

基于所述目标输入谱参数，确定所述语音声音参数的所述第一概率分布参数。

5.根据权利要求2所述的方法，其特征在于，所述第一概率分布参数包括第一均值及方差；

所述基于所述音色转换模型，对所述第一概率分布参数进行注意力机制处理，得到第二概率分布参数，包括：

利用所述注意力机制，对所述第一均值进行处理，得到第二均值；

由所述第二均值与所述方差，确定所述第二概率分布参数。

6.根据权利要求5所述的方法，其特征在于，所述音色转换模型包括预先设置的L个维度与所述第一均值相同的向量序列；

所述利用所述注意力机制，对所述第一均值进行处理，得到第二均值，包括：

根据所述第一均值及所述向量序列进行注意力机制计算，确定所述第二均值。

7.根据权利要求6所述的方法，其特征在于，所述根据所述第一均值及所述向量序列进行注意力机制计算，确定所述第二均值，包括：

将所述中间文本参数与所述向量序列组合，获得组合向量序列；

通过所述第一均值对所述组合向量序列进行注意力机制计算，确定所述第二均值。