[发明专利]语音处理方法、介质、装置和计算设备

权利要求书

1.一种语音处理方法，包括：

获取指定人员的第一录音文件；其中，所述指定人员的第一录音文件为针对所述指定人员录制的专属语音；

从所述第一录音文件中提取所述指定人员的声纹特征；

根据所述声纹特征，从第二录音文件中查找与所述声纹特征相匹配的录音数据；

对所述录音数据进行转换处理，得到语音与文本的对应关系；

基于所述语音与文本的对应关系，进行语音合成；

其中，对所述录音数据进行转换处理，得到语音与文本的对应关系，包括：

确定所述录音数据中各段录音对应的至少一个候选词组，以及所述至少一个候选词组的选择概率；

根据所述至少一个候选词组的选择概率，确定所述各段录音对应的文本，以得到语音与文本的对应关系；

其中，根据所述至少一个候选词组的选择概率，确定所述各段录音对应的文本，包括：

计算所述各段录音对应的至少一个候选词组中选择概率最大的两个候选词组的选择概率之差；

若任一段录音对应的所述两个候选词组的选择概率之差大于或等于预定值，则将所述两个候选词组中选择概率最大的候选词组作为所述任一段录音对应的文本；

其中，从第二录音文件中查找与所述声纹特征相匹配的录音数据，包括：

按照说话人员的不同对所述第二录音文件进行切分，得到切分后的录音数据；

从所述切分后的录音数据中查找与所述声纹特征相匹配的录音数据；

其中，按照说话人员的不同对所述第二录音文件进行切分，包括：

基于检验一段声音数据中是包含一个人员的声音数据还是包含多个人员的声音数据，构造假设检验得分函数；

根据所述假设检验得分函数以预定长度的检验窗口对所述第二录音文件进行检验，以确定所述第二录音文件的切割点；

基于确定的切割点，对所述第二录音文件进行切分。

2.根据权利要求1所述的方法，其中，确定所述录音数据中各段录音对应的至少一个候选词组，以及所述至少一个候选词组的选择概率，包括：

将所述各段录音转换为音素；

根据所述各段录音转换得到的音素，确定所述录音数据中各段录音对应的至少一个候选词组，以及所述至少一个候选词组的选择概率。

3.根据权利要求2所述的方法，其中，将所述各段录音转换为音素，包括：

构建语音与音素的转换模型；

基于所述语音与音素的转换模型将所述各段录音转换为音素。

4.根据权利要求2所述的方法，其中，根据所述各段录音转换得到的音素，确定所述录音数据中各段录音对应的至少一个候选词组，以及所述至少一个候选词组的选择概率，包括：

构建音素与词组的转换模型；

根据所述音素与词组的转换模型及所述各段录音转换得到的音素，确定所述各段录音对应的至少一个候选词组，以及所述至少一个候选词组的选择概率。

5.根据权利要求1所述的方法，还包括：

若所述任一段录音对应的所述两个候选词组的选择概率之差小于所述预定值，则删除所述任一段录音及所述任一段录音对应的至少一个候选词组。

6.根据权利要求1所述的方法，还包括：对所述第一录音文件进行转换处理，得到所述语音与文本的对应关系。

7.根据权利要求1所述的方法，其中，确定所述第二录音文件的切割点，包括：

若根据所述假设检验得分函数确定所述第二录音文件中任一段录音的得分大于第一预定阈值，则根据所述假设检验得分函数确定所述任一段录音中的得分最大点，并将所述得分最大点作为所述切割点。

8.根据权利要求1所述的方法，其中，从所述切分后的录音数据中查找与所述声纹特征相匹配的录音数据，包括：

计算所述切分后的录音数据中各段录音数据的声纹信息与所述声纹特征的相似度；

从所述各段录音数据中选取所述相似度大于第二预定阈值的录音数据作为查找到的录音数据。