[发明专利]基于声纹编码器的语音转换方法、装置、设备及介质

说明书

本发明实施例公开了一种基于声纹编码器的语音转换方法、装置、设备及介质。其中，该方法包括：获取第一个体的音频数据；获取第二个体的声纹特征；其中，所述第二个体的声纹特征是采用预先训练的声纹编码器输出得到的；将所述第一个体的音频数据和所述声纹特征输入至预先训练的语音转换模型，以供所述语音转换模型基于所述第一个体的音频数据和所述声纹特征的编码结果，得到由第一个体到第二个体的语音转换结果。本技术方案，能够实现第一个体到第二个体的语音转换，且保留了第一个体的说话习惯，并能够实现对第一个体和第二个体的任意切换。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种基于声纹编码器的语音转换方法、装置、设备及介质。

背景技术

随着智能移动终端的发展，语音转换应用在各式各样的终端设备及聊天软件上。如何在保留源说话人习惯上，实现多个源说话人到多个目标说话人的语音转换是语音转换技术亟需解决的一个问题。

目前的语音转换模型，针对单个目标说话人的语音数据集进行训练，可以实现多个源说话人到一个目标说话人的语音转换。

然而，现有的语音转换模型要想实现多个源说话人到多个目标说话人的语音转换，需要对新的目标说话人的语音数据集进行训练，每换一个目标说话人都需要训练一次，耗时且费力。

发明内容

本发明提供了一种基于声纹编码器的语音转换方法、装置、设备及介质，能够实现第一个体到第二个体的语音转换，且保留了第一个体的说话习惯，并能够实现对第一个体和第二个体的任意切换。

根据本发明的一方面，提供了一种基于声纹编码器的语音转换方法，所述方法包括：

获取第一个体的音频数据；

获取第二个体的声纹特征；其中，所述第二个体的声纹特征是采用预先训练的声纹编码器输出得到的；

将所述第一个体的音频数据和所述声纹特征输入至预先训练的语音转换模型，以供所述语音转换模型基于所述第一个体的音频数据和所述声纹特征的编码结果，得到由第一个体到第二个体的语音转换结果。

根据本发明的另一方面，提供了一种基于声纹编码器的语音转换装置，包括：

音频数据获取模块，用于获取第一个体的音频数据；

声纹特征获取模块，用于获取第二个体的声纹特征；其中，所述第二个体的声纹特征是采用预先训练的声纹编码器输出得到的；

语音转换结果生成模块，用于将所述第一个体的音频数据和所述声纹特征输入至预先训练的语音转换模型，以供所述语音转换模型基于所述第一个体的音频数据和所述声纹特征的编码结果，得到由第一个体到第二个体的语音转换结果。

根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：

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计算机程序，所述计算机程序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本发明任一实施例所述的基于声纹编码器的语音转换方法。

根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的基于声纹编码器的语音转换方法。