技术特征:
1.一种语音处理方法,其特征在于,包括:
获取语音信号的音素向量和声纹向量;
基于所述语音信号的音素向量和声纹向量,获取所述语音信号的变声信号。
2.根据权利要求1所述的语音处理方法,其特征在于,获取语音信号的音素向量和声纹向量的步骤包括:
对所述语音信号进行特征提取,获得所述语音信号的特征向量;
基于所述语音信号的特征向量对所述语音信号进行音素识别和声纹提取,分别获得所述语音信号的音素向量和声纹向量。
3.根据权利要求2所述的语音处理方法,其特征在于,基于所述语音信号的特征向量对所述语音信号进行声纹提取的步骤包括:
将所述语音信号的特征向量输入到声纹提取网络进行声纹提取,通过所述声纹提取网络获得所述语音信号的声纹向量。
4.根据权利要求2所述的语音处理方法,其特征在于,基于所述语音信号的特征向量对所述语音信号进行音素识别的步骤包括:
将所述语音信号的特征向量输入到音素识别网络进行音素识别,通过所述音素识别网络获得所述语音信号的音素向量。
5.根据权利要求4所述的语音处理方法,其特征在于,音素向量中的每个元素表示所述语音信号的音素是相应音素的概率。
6.根据权利要求2所述的语音处理方法,其特征在于,对所述语音信号进行特征提取的步骤包括:
对所述语音信号进行预处理;
对预处理后的语音信号执行短时傅里叶变换,获得所述语音信号的时频域数据;
获取所述语音信号的时频域数据的能量谱;
通过预设滤波器组计算能量谱的对数能量;
对对数能量进行离散余弦变换,获得所述语音信号的特征向量。
7.一种语音处理装置,其特征在于,包括:
特征获取单元,被配置为获取语音信号的音素向量和声纹向量;和
语音变声单元,被配置为基于所述语音信号的音素向量和声纹向量,获取所述语音信号的变声信号。
8.一种电子设备/服务器,其特征在于,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现如权利要求1至6中任一项所述的语音处理方法。
9.一种计算机可读存储介质,存储有计算机程序,其特征在于,当所述计算机程序被电子设备的处理器执行时,使得电子设备执行如权利要求1至6中任一项所述的语音处理方法。
10.一种计算机程序产品,包括计算机程序/指令,其特征在于,当所述计算机程序/指令被处理器执行时,实现权利要求1至6中任一项所述的语音处理方法。
技术总结
提供一种语音处理方法及装置。该语音处理方法包括:获取语音信号的音素向量和声纹向量;基于所述语音信号的音素向量和声纹向量,获取所述语音信号的变声信号。根据本公开的语音处理方法及装置,可实现千人千面的变声效果。
技术研发人员:郑羲光;张新;李楠;张晨
受保护的技术使用者:北京达佳互联信息技术有限公司
技术研发日:2021.01.25
技术公布日:2021.06.11
本文用于企业家、创业者技术爱好者查询,结果仅供参考。