語音轉(zhuǎn)換方法、裝置和系統(tǒng)及存儲介質(zhì)

基本信息

申請?zhí)?/td> CN202011609527.6 申請日 -
公開（公告）號 CN112750446A 公開（公告）日 2021-05-04
申請公布號 CN112750446A 申請公布日 2021-05-04
分類號 G10L21/013;G10L25/27 分類 樂器；聲學;
發(fā)明人 武劍桃;李秀林 申請（專利權(quán)）人 標貝（北京）科技有限公司
代理機構(gòu) 北京睿邦知識產(chǎn)權(quán)代理事務(wù)所（普通合伙） 代理人 徐丁峰;戴亞南
地址 100192 北京市海淀區(qū)西小口路66號中關(guān)村東升科技園·北領(lǐng)地B-2號樓2層A203A(東升地區(qū))
法律狀態(tài) -

摘要

摘要 本發(fā)明提供一種語音轉(zhuǎn)換方法、裝置和系統(tǒng)及存儲介質(zhì)。方法包括：獲取源說話者的源語音；對源語音進行特征提??；將源識別聲學特征輸入語音識別模型，以獲得源說話者的語音后驗概率；將多個時間幀中的至少部分時間幀所對應(yīng)的后驗概率向量輸入特征轉(zhuǎn)換模型，以獲得目標合成聲學特征，目標合成聲學特征包括與至少部分時間幀一一對應(yīng)的合成聲學特征向量，至少部分時間幀包括多個時間幀中的所有有效時間幀；基于有效聲學特征進行語音合成，以獲得目標說話者的有效語音；語音識別模型或特征轉(zhuǎn)換模型還輸出源音頻狀態(tài)信息，多個時間幀中的每個時間幀屬于有效時間幀還是無效時間幀基于源音頻狀態(tài)信息確定。這種聯(lián)合建模的方式可有效提升語音轉(zhuǎn)換的實時性。