[发明专利]一种音色转换方法及计算设备

权利要求书

1.一种音色转换方法，所述方法适于根据待处理语音的音素从预置的源-目标音素特征单元对中搜索到匹配的语音进行转换，所述方法包括步骤：

提取待处理语音中每一帧语音的特征；

计算所述待处理语音中每一帧语音所属的音素，将同一音素内的连续帧作为一个音素集；

按照顺序将一个音素集分成一个或多个第一帧长的音素单元，其中相邻音素单元之间相互重叠第二帧长；

根据每帧语音的特征拼接得到对应音素单元的特征；

对于每个音素单元，根据其音素和特征从所述源-目标音素特征单元对中选取出代价最小的目标音素特征单元，作为最优音素特征单元；以及

对多个音素单元对应的多个最优音素特征单元进行时域拼接处理，得到音色转换后的语音。

2.如权利要求1所述的方法，还包括建立源语音库和目标语音库的步骤，其中，所述源语音库和目标语音库是平行语料库。

3.如权利要求2所述的方法，其中，在建立源语音库和目标语音库的步骤之后，还包括步骤：

根据源语音库和目标语音库中对应语句的特征生成源-目标音素特征单元对，其中，一个源-目标音素特征单元对中包含一个源音素特征单元和与其对应的一个目标音素特征单元。

4.如权利要求3所述的方法，其中，所述根据源语音库和目标语音库中的对应语句的特征生成源-目标音素特征单元对的步骤包括：

对源语音库和目标语音库中的对应语句分别进行分帧处理，得到每个语句的源语音序列和目标语音序列；

分别提取所述源语音序列和目标语音序列中每帧语音的特征；

根据所提取的特征对所述源语音序列和目标语音序列进行动态时间规整处理，得到一一对应的源-目标特征帧对；

计算所述目标语音序列中每一帧语音所属的音素；

将同一音素内连续帧的目标特征帧所属的源-目标特征帧对作为一个源-目标音素集；以及

按照顺序将一个源-目标音素集分成一个或多个第一帧长的源-目标音素特征单元对，其中相邻源-目标音素特征单元对之间相互重叠第二帧长。

5.如权利要求4所述的方法，其中，所述分别提取源语音序列和目标语音序列中每帧语音的特征的步骤包括：

分别提取源语音序列和目标语音序列中每帧语音的梅尔倒谱系数。

6.如权利要求5所述的方法，其中，所述提取待处理语音的特征的步骤包括：

提取待处理语音的梅尔倒谱系数。

7.如权利要求6所述的方法，其中，根据音素单元的音素和特征从源-目标音素特征单元对中选取出代价最小的目标音素特征单元的步骤包括：

对于每个音素单元，选取与其具有相同音素的目标音素特征单元所属的源-目标音素特征单元对，作为候选音素单元特征对；

从所述候选音素单元特征对中选出与该音素单元相似的第一数目个源-目标音素特征单元对；以及

从所述第一数目个源-目标音素特征单元对中选取代价最小的目标音素特征单元。

8.如权利要求7所述的方法，其中，所述从候选音素单元特征对中选出与该音素单元相似的第一数目个源-目标音素特征单元对的步骤包括：

计算候选音素单元特征对中源音素特征单元的特征与该音素单元的特征的距离值；以及

按照距离值从小到大的顺序选取第一数目个源音素特征单元所属的源-目标音素特征单元对。

9.如权利要求8所述的方法，其中，所述从第一数目个源-目标音素特征单元对中选取代价最小的目标音素特征单元的步骤包括：

对于所述第一数目个源-目标音素特征单元对中的每个目标音素特征单元，

计算该目标音素特征单元的特征与该音素单元的特征的距离值，作为第一代价，

计算该目标音素特征单元的特征与相邻的下一个目标音素特征单元的特征的距离值，作为第二代价；以及

根据维特比搜索算法，基于第一代价与第二代价之和，选取出第一代价与第二代价之和最小的特征所对应的目标音素特征单元，作为代价最小的目标音素特征单元。