[发明专利]一种非平行语料语音个性化转换方法有效
| 申请号： | 201811443776.5 | 申请日： | 2018-11-29 |
| 公开（公告）号： | CN109377986B | 公开（公告）日： | 2022-02-01 |
| 发明（设计）人： | 周琳岷 | 申请（专利权）人： | 四川长虹电器股份有限公司 |
| 主分类号： | G10L15/14 | 分类号： | G10L15/14;G10L15/16;G10L21/003;G10L25/30 |
| 代理公司： | 四川省成都市天策商标专利事务所(有限合伙) 51213 | 代理人： | 郭会 |
| 地址： | 621000 四*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种非平行语料语音个性化转换方法，包括以下步骤：根据文本采集目标语音；将目标语音的中文音素对齐，得到每个中文音素对应的音频；提取中文音素对应的音频特征和音素信息；训练HMM‑GMM语音识别模型，并将提取的音频特征和音素信息输入到HMM‑GMM语音识别模型中，得到目标语音音频特征与对应的中文音素之间的印射模型，用于对中文音素进行预测并训练第一CHBG网络；再通过对其训练DNN语言模型得到目标语音的PULSE；通过训练第二CHBG网络得到原语音的中文音素对应的PULSE与目标语音的中文音素对应的PULSE的对应模型；将DNN语言模型和CHBG网络串联即可将原语音转换为目标语音。本发明解决了目前的声音个性化算法需要先找到平行语音数据，训练时间较长的问题。 | ||
| 搜索关键词： | 一种 平行 语料 语音 个性化 转换 方法 | ||
【主权项】：
1.一种非平行语料语音个性化转换方法，其特征在于，包括以下步骤：S1、根据文本采集目标语音，并对目标语音的文本和语音进行修正；S2、将目标语音的中文音素对齐，得到目标语音中每个中文音素对应的音频；S3、提取中文音素对应的音频特征和音素信息；S4、训练HMM‑GMM语音识别模型，并将提取的音频特征和音素信息输入到HMM‑GMM语音识别模型中，得到目标语音音频特征与对应的中文音素之间的印射模型，印射模型用于对中文音素进行预测，通过预测的中文音素训练第一CHBG网络；S5、目标语音的中文音素通过第一CHBG网络训练后，再通过对其训练DNN语言模型得到目标语音的音频特征对应的中文音素，并根据中文音素得到目标语音的PULSE；S6、通过训练第二CHBG网络得到原语音的中文音素对应的PULSE与目标语音的中文音素对应的PULSE的对应模型；S7、将DNN语言模型和CHBG网络串联即可将原语音转换为目标语音。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于四川长虹电器股份有限公司，未经四川长虹电器股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811443776.5/，转载请声明来源钻瓜专利网。
