[发明专利]应样本数据集生成方法、装置及设备

说明书

本申请属于语音转换领域，提出了一种样本数据集生成方法、装置及设备，该方法包括：通过预定录音设备采集由预定人员根据预定源文本，按照预定不同情绪朗读的第一音频数据；对所述第一音频数据进行校验完善得到第二音频数据以及第二音频数据对应的标签信息；对所述第二音频数据进行语音识别，将所述第二音频数据中的音素在所述第二音频数据中出现的时间段添加至所述标签信息；根据预设的文件存储结构存储所述第二音频数据和所述标签信息，生成样本数据集，使得不同音素具有不同情绪，从而有利于对语音转换系统进行更为准确的训练，有利于提高训练后的语音转换系统所生成的语音的流畅度。

技术领域

本申请属于语音技术领域，尤其涉及一种应样本数据集生成方法、装置及设备。

背景技术

语音转换技术是一种将源语音转换为目标语音的技术。语音转换的源语音与目标语音所表达的内容相同，但在音色、风格上有所不同。通过语音转换技术，可以用于语音转换系统中，将输入的语音转换成不同情绪、音色或风格的语音。或者，语音转换技术应用于故事机等设备，将故事文本转换为不同的讲故事风格，为小朋友提供丰富的听故事体验。目前最前沿的语音转换技术通常采用深度学习的方法，比如基于Bi-LSTM的语音转换方法、基于Seq2Seq模型的语音转换方法等。基于深度学习的语音转换方法进行转换时，转换效果较好，语音相似度高，流畅自然，但是需要大量的语音数据进行训练。

目前常用的开源普通话语音数据集，由于所录制的数据的语料缺陷，不能有效的满足语音转换系统的训练要求，不利于提高语音转换系统所生成的语音的流畅度。

发明内容

有鉴于此，本申请实施例提供了一种应样本数据集生成方法、装置及设备，以解决现有技术中的语音数据集不能满足语音转换系统的训练要求，不利于提高语音转换系统所生成的语音的流畅度的问题。

本申请实施例的第一方面提供了一种应样本数据集生成方法，所述方法包括：

通过预定录音设备采集由预定人员根据预定源文本，按照预定不同情绪朗读的第一音频数据；

对所述第一音频数据进行校验完善得到第二音频数据以及第二音频数据对应的标签信息，所述校验完善包括所述情绪的校验完善和所述源文本的校验完善；

对所述第二音频数据进行语音识别，将所述第二音频数据中的音素在所述第二音频数据中出现的时间段添加至所述标签信息；

根据预设的文件存储结构存储所述第二音频数据和所述标签信息，生成样本数据集。

结合第一方面，在第一方面的第一种可能实现方式中，在对所述第一音频数据进行校验完善得到第二音频数据以及第二音频数据对应的标签信息之后，所述方法还包括：

对所述第二音频数据进行音质优化处理，得到第三音频数据，以及第三音频数据对应的标签信息；

根据所述文件存储结构添加所述第三音频数据以及第三音频数据对应的标签信息。

结合第一方面的第一种可能实现方式，在第一方面的第二种可能实现方式中，对所述第二音频数据进行音质优化处理，得到第三音频数据，包括：

对所述第二音频数据进行降采样处理、自动增益处理和噪声抑制处理中的一项或者多项处理方式进行处理得到所述第三音频数据。

结合第一方面，在第一方面的第三种可能实现方式中，对所述第一音频数据进行校验完善，包括：

识别所述第一音频数据的朗读情绪；

将所述朗读情绪与预先设定的第一音频数据的情绪进行比较，如果两者匹配，则通过该第一音频数据的校验，如果两者不匹配，则提取所述第一音频数据所预先设定的情绪对应的引导信息，根据所述引导信息重新录制所述第一音频数据。