[发明专利]语音模仿方法、终端设备及计算机可读存储介质

说明书

本发明适用于语音处理技术领域，提供了语音模仿方法、终端设备及计算机可读存储介质，包括：将获取到的原始语音数据通过预设的生成对抗网络GAN转换成包含原始语音数据中对话内容的第一梅尔谱图，再根据预设的自回归神经网络模型，将原始语音数据转换成包含原始语音数据的语言特征的第二梅尔谱图，最后根据第一梅尔谱图、第二梅尔谱图以及预设的模仿目标的梅尔谱图，生成与模仿目标具有相同语言特征的语音数据。通过生成对抗网络和自回归神经网络模型对原始语音数据进行处理，提高了语音模拟的真实度和清晰度，保证了在语音模拟过程中的原始性。

技术领域

本发明属于语音处理技术领域，尤其涉及语音模仿方法、终端设备及计算机可读存储介质。

背景技术

现在一些软件通过获取常人的说话语音数据，将这些数据进行训练，将常人的语音数据模拟成特定的人的语音，便可以将采集到的声音模拟为其他人的声音。现有技术中主要通过两种方式实现这个技术，分别为讲话人适配和讲话人编码。其中，讲话人适配方法是使用数个克隆样本，通过基于反向传播的优化方法对多讲话人语音生成模型做精细调节。适配方法可以作用于整个模型，或者只作用于低维度的讲话人；讲话人编码表征每个讲话人所需的参数数量要少得多，但需要更长的模拟时间，生成的语音的质量也要稍差一些。

但是这些方法在很大程度上都会破坏语音的原始性，不能保证原始语音在感官上的清晰度。

发明内容

有鉴于此，本发明实施例提供了语音模仿方法、终端设备及计算机可读存储介质，以解决现有技术中在很大程度上都会破坏语音的原始性，不能保证原始语音在感官上的清晰度的问题。

本发明实施例的第一方面提供了一种语音模仿方法，包括：

获取原始语音数据，并将所述原始语音数据通过预设的生成对抗网络GAN转换成包含所述原始语音数据中对话内容的第一梅尔谱图；

根据预设的自回归神经网络模型，将所述原始语音数据转换成包含所述原始语音数据的语言特征的第二梅尔谱图；

根据所述第一梅尔谱图、所述第二梅尔谱图以及预设的模仿目标的梅尔谱图，生成与所述模仿目标具有相同语言特征的语音数据。

本发明实施例的第二方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

获取原始语音数据，并将所述原始语音数据通过预设的生成对抗网络GAN转换成包含所述原始语音数据中对话内容的第一梅尔谱图；

根据预设的自回归神经网络模型，将所述原始语音数据转换成包含所述原始语音数据的语言特征的第二梅尔谱图；

根据所述第一梅尔谱图、所述第二梅尔谱图以及预设的模仿目标的梅尔谱图，生成与所述模仿目标具有相同语言特征的语音数据。

本发明实施例的第三方面提供了一种计算机可读存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述第一方面的方法。

本发明实施例与现有技术相比存在的有益效果是：

本发明实施例获取到的原始语音数据通过预设的生成对抗网络GAN转换成包含原始语音数据中对话内容的第一梅尔谱图，再根据预设的自回归神经网络模型，将原始语音数据转换成包含原始语音数据的语言特征的第二梅尔谱图，最后根据第一梅尔谱图、第二梅尔谱图以及预设的模仿目标的梅尔谱图，生成与模仿目标具有相同语言特征的语音数据。通过生成对抗网络和自回归神经网络模型对原始语音数据进行处理，提高了语音模拟的真实度和清晰度，保证了在语音模拟过程中的原始性。

附图说明