基于人工智能的语音生成方法、装置、计算机设备及介质与流程

本申请涉及人工智能，可应用于金融科技、医疗健康等领域，尤其涉及基于人工智能的语音生成方法、装置、计算机设备及存储介质。

背景技术：

1、在神经网络推动语音与音频生成技术快速发展的背景下，神经音频编解码器（neural audio codec）作为核心组件，承担着将高维连续音频信号压缩为低维离散表示并保持原始语音保真度的关键任务，其性能直接影响语音合成、语音大模型（等应用的效果。然而，现有的音频编码方案虽在中高保真度语音重建上取得进展，仍存在显著缺陷：传统多码本结构在压缩过程中无法有效分离语音的语义特征与声学特征，导致压缩后的低维表征中两类特征严重混叠。这种混叠直接引发重建语音的细节模糊与清晰度下降，尤其在复杂语音场景下，语音生成质量显著降低，难以满足高精度语音交互的需求。

2、例如，在金融保险领域的智能语音客服场景中，传统音频编码方案因语义与声学特征混叠，导致客户语音指令（如“查询保单现金价值”）的语义解析错误率上升，同时系统生成的语音回复因声学特征丢失而显得机械单调，降低了客户交互体验；在医疗健康领域的语音辅助病历录入场景中，医生通过压缩音频口述病历时，传统方案因无法清晰分离病理描述（如“持续性胸痛”）与背景噪声，可能导致关键信息录入错误或遗漏，影响病历的准确性与完整性。

3、因此，亟需一种能够提升语音重建质量的神经音频编解码技术，以支撑高可靠性语音交互与医疗信息化等关键应用。

技术实现思路

1、本申请实施例的目的在于提出一种基于人工智能的语音生成方法、装置、计算机设备及存储介质，以解决现有的音频编码方案存在语音生成质量较低的技术问题。

2、第一方面，提供了一种基于人工智能的语音生成方法，包括：

3、接收输入的原始音频信号；

4、调用预设的语音处理模型；其中，所述语音处理模型包括编码器、语义量化模块、滤波器组以及神经解码器；

5、基于所述编码器对所述原始音频信号进行编码处理，得到对应的语音特征；

6、基于预设的分离策略对语音特征进行分离处理，得到对应的语义特征与声学特征；

7、基于所述语义量化模块对所述语义特征进行离散处理，得到对应的语义码本；

8、基于所述滤波器组对所述声学特征进行多层残差向量量化处理，得到对应的声学残差码本序列；

9、基于预设的自适应丢弃策略，从所述声学残差码本序列中筛选出目标声学残差码本序列；

10、基于所述神经解码器对所述语义码本与所述目标声学残差码本序列进行转换处理以生成对应的语音数据，并对所述语音数据进行输出处理。

11、第二方面，提供了一种基于人工智能的语音生成装置，包括：

12、接收模块，用于接收输入的原始音频信号；

13、调用模块，用于调用预设的语音处理模型；其中，所述语音处理模型包括编码器、语义量化模块、滤波器组以及神经解码器；

14、编码模块，用于基于所述编码器对所述原始音频信号进行编码处理，得到对应的语音特征；

15、分离模块，用于基于预设的分离策略对语音特征进行分离处理，得到对应的语义特征与声学特征；

16、离散模块，用于基于所述语义量化模块对所述语义特征进行离散处理，得到对应的语义码本；

17、量化模块，用于基于所述滤波器组对所述声学特征进行多层残差向量量化处理，得到对应的声学残差码本序列；

18、筛选模块，用于基于预设的自适应丢弃策略，从所述声学残差码本序列中筛选出目标声学残差码本序列；

19、处理模块，用于基于所述神经解码器对所述语义码本与所述目标声学残差码本序列进行转换处理以生成对应的语音数据，并对所述语音数据进行输出处理。

20、第三方面，提供了一种计算机设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述基于人工智能的语音生成方法的步骤。

21、第四方面，提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述基于人工智能的语音生成方法的步骤。

22、上述基于人工智能的语音生成方法、装置、计算机设备及存储介质所实现的方案中，首先接收输入的原始音频信号；然后调用预设的语音处理模型；其中，所述语音处理模型包括编码器、语义量化模块、滤波器组以及神经解码器；之后基于所述编码器对所述原始音频信号进行编码处理，得到对应的语音特征；并基于预设的分离策略对语音特征进行分离处理，得到对应的语义特征与声学特征；后续基于所述语义量化模块对所述语义特征进行离散处理，得到对应的语义码本；并基于所述滤波器组对所述声学特征进行多层残差向量量化处理，得到对应的声学残差码本序列；进一步基于预设的自适应丢弃策略，从所述声学残差码本序列中筛选出目标声学残差码本序列；最后基于所述神经解码器对所述语义码本与所述目标声学残差码本序列进行转换处理以生成对应的语音数据，并对所述语音数据进行输出处理。基于以上的自动化处理流程，不同于现有的音频编码方案，本申请通过基于包括编码器、语义量化模块、滤波器组以及神经解码器的语音处理模型的使用，通过引入分离策略、多码本分层量化结构、以及自适应丢弃策略，能够快速准确地进行对于原始音频信号的语音生成处理，实现了在低比特率下的自然语音重建处理，并能够达到接近无损的语音重建效果，进而有效地提高了语音生成质量。

1.一种基于人工智能的语音生成方法，其特征在于，包括下述步骤：

2.根据权利要求1所述的基于人工智能的语音生成方法，其特征在于，所述基于所述语义量化模块对所述语义特征进行离散处理，得到对应的语义码本的步骤，具体包括：

3.根据权利要求1所述的基于人工智能的语音生成方法，其特征在于，所述基于所述滤波器组对所述声学特征进行多层残差向量量化处理，得到对应的声学残差码本序列的步骤，具体包括：

4.根据权利要求1所述的基于人工智能的语音生成方法，其特征在于，所述基于预设的自适应丢弃策略，从所述声学残差码本序列中筛选出目标声学残差码本序列的步骤，具体包括：

5.根据权利要求4所述的基于人工智能的语音生成方法，其特征在于，所述基于预设的码本筛选策略，从所述声学残差码本序列中筛选出与所述网络带宽以及所述计算资源对应的第一声学残差码本序列的步骤，具体包括：

6.根据权利要求1所述的基于人工智能的语音生成方法，其特征在于，所述基于所述神经解码器对所述语义码本与所述目标声学残差码本序列进行转换处理以生成对应的语音数据，并对所述语音数据进行输出处理的步骤，具体包括：

7.根据权利要求6所述的基于人工智能的语音生成方法，其特征在于，所述基于预设的优化策略对所述语音信号序列进行优化处理，得到对应的语音数据的步骤，具体包括：

8.一种基于人工智能的语音生成装置，其特征在于，包括：

9.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的基于人工智能的语音生成方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的基于人工智能的语音生成方法的步骤。