[发明专利]一种应用于TTS的语音转换方法、装置、设备及介质

说明书

本发明公开一种应用于TTS的语音转换方法、装置、设备及介质，涉及人工智能技术领域，用于解决相关技术中机器人与人工交替发声，使得切换前后声音差别大的问题。该方法包括：获取实时语音，将实时语音的说话人记为第一说话人；查询TTS采用的说话人，记为第二说话人，并获取频谱转换模型；提取实时语音的频谱参数和基频参数；将实时语音的频谱参数输入频谱转换模型，得到第二频谱参数；将实时语音的基频参数转换为与第二说话人对应的基频参数，记为第二基频参数；合成第二频谱参数和第二基频参数以得到待播语音，待播语音配合在TTS播放。本发明在机器人与人工切换过程中，使得切换前后的声音差别小，提高客户体验。

技术领域

本发明涉及人工智能技术领域，尤其是涉及一种应用于TTS的语音转换方法、装置、设备及介质。

背景技术

TTS（Text To Speech）是人机对话的一部分，其基于内置芯片的支持，通过神经网络的设计，可以把文字智能地转化为自然语音流，以实现“机器说话”，且在其特有智能语音控制器作用下，文本输出的语音音律流畅，使得听者在听取信息时感觉自然，毫无机器语音输出的冷漠与生涩感。

在相关技术中，TTS被广泛用于智能客服，以为客户答疑解惑。但是，在人机交流的过程中，依然存在无法明确用户需求、交流困难等问题，此时便需要切换至人工，但由于机器人与人工交替发声，两者声音差别较大，会给客户造成糟糕的体验。

目前针对相关技术中机器人与人工交替发声，使得切换前后声音差别大的问题，尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种应用于TTS的语音转换方法、装置、电子装置设备及介质，可以使得切换前后的声音差别小，从而提高客户体验。

第一方面，本申请实施例提供了一种应用于TTS的语音转换方法，所述方法包括：

获取实时语音，将所述实时语音的说话人记为第一说话人；

查询所述TTS采用的说话人，记为第二说话人，并获取与所述第一说话人、所述第二说话人相关联的频谱转换模型；

提取所述实时语音的频谱参数和基频参数；

将所述实时语音的频谱参数输入所述频谱转换模型，得到与所述第二说话人对应的频谱参数，记为第二频谱参数；

将所述实时语音的基频参数转换为与所述第二说话人对应的基频参数，记为第二基频参数；

合成所述第二频谱参数和所述第二基频参数以得到待播语音，所述待播语音配合在所述TTS播放。

在其中一些实施例中，所述频谱参数包括：端点检测信息、基音周期估计信息、梅尔频率倒谱信息。

在其中一些实施例中，在所述获取实时语音之前，所述方法还包括：

自源语音库获取源语音，所述源语音库与所述第一说话人对应；

自目标语音库获取目标语音，所述目标语音与所述第二说话人对应，且所述源语音与所述目标语音对应同一文本；

分别提取所述源语音和所述目标语音的频谱参数，对应记为源频谱参数和目标频谱参数；

采用动态时间规整算法将所述源频谱参数对齐于所述目标频谱参数；

根据对齐后的源频谱参数和目标频谱参数训练所述频谱转换模型，以得到所述源频谱参数与所述目标频谱参数之间的转换关系。

在其中一些实施例中，所述方法还包括：

将所述实时语音转换为文本，记为待定文本；

将所述待定文本转换为与所述第二说话人对应的语音，记为待定语音；

提取所述待定语音的频谱参数；

判断所述待定语音的频谱参数与所述实时语音的频谱参数之间的相似度是否符合要求，若否，则将所述实时语音配合放入所述源语音库内，将所述待定语音放入所述目标语音库内，并重新训练所述频谱转换模型。