一种语音转换方法、装置、存储介质及电子设备与流程

技术特征：
1.一种语音转换方法，包括：接收待转换的源音频；对所述源音频进行内容信息编码，得到第一特征；获取目标发音人的指定音频；对所述指定音频进行语音识别，得到第二特征；将所述第一特征和所述第二特征输入至语音转换模型，得到目标音频。2.根据权利要求1所述的方法，其中，所述将所述第一特征和所述第二特征输入至语音转换模型，得到目标音频，包括：将所述第一特征和所述第二特征输入至语音转换模型，基于源音频的帧，在所述第一特征中添加所述第二特征，得到联合编码；对所述联合编码进行特征融合，得到融合特征；将所述融合特征进行信号转换，得到所述目标音频。3.根据权利要求1所述的方法，所述方法还包括：对所述源音频和所述指定进行基频提取，得到基频信息；相应的所述将所述第一特征和所述第二特征输入至语音转换模型，得到目标音频，包括：将所述基频信息、所述第一特征和所述第二特征输入至语音转换模型，得到目标音频。4.根据权利要求1所述的方法，所述方法还包括：对所述目标音频进行内容信息编码，得到内容特征；根据所述内容特征与所述第一特征，对所述目标音频行第一损失判别。5.根据权利要求1所述的方法，所述方法还包括：获取目标发音人的样本音频；基于所述样本音频和所述目标音频，进行判别模型训练；利用所述判别模型，对所述目标音频进行第二损失判别。6.根据权利要求1-5中任一项所述的方法，所述第二特征包括目标发音人的音色特征；所述第一特征包括所述源音频的内容特征信息。7.一种语音转换装置，包括：接收模块，用于接收待转换的源音频；内容信息编码模块，用于对所述源音频进行内容信息编码，得到第一特征；指定音频获取模块，用于获取目标发音人的指定音频；识别模块，用于对所述指定音频进行语音识别，得到第二特征；转换模块，用于将所述第一特征和所述第二特征输入至语音转换模型，得到目标音频。8.一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1－6中任一项所述语音转换方法。9.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1－6中任一项所述语音转换方法。10.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根
据权利要求1－6中任一项所述语音转换方法。

技术总结
本公开涉及自然语音处理、语音和深度学习等人工智能技术领域，提供了一种语音转换方法、装置、存储介质及电子设备，包括：接收待转换的源音频；对源音频进行内容信息编码，得到第一特征；获取目标发音人的指定音频；对指定音频进行语音识别，得到第二特征；将第一特征和第二特征输入至语音转换模型，得到目标音频。这里采用端到端的语音转换训练，有效避免了单独训练声码器的繁琐过程，不再需要获取目标发音人的大量音频进行单独的声码器模型训练。由此，无需平行数据，即可实现任意源音频到目标发音人的音色转换。并且，将声学模型和声码器进行协同建模，语音转换的整体模型规模大幅减小。显著节存储资源和计算资源，有效提升语音转换效率。语音转换效率。语音转换效率。


技术研发人员：聂志朋 王俊超
受保护的技术使用者：北京百度网讯科技有限公司
技术研发日：2021.09.23
技术公布日：2022/2/7