[发明专利]一种语音处理方法、装置和用于处理语音的装置

权利要求书

1.一种语音处理方法，其特征在于，所述方法包括：

在检测到用户触发语音变声功能后，获取所述用户在语音变声界面中选中的模板语音；

接收所述用户输入的语音；

将所述用户输入的语音与所述模板语音进行拼接，生成目标语音；

输出所述目标语音；

其中，所述将所述用户输入的语音与所述模板语音进行拼接，包括：

将所述用户输入的语音切分为多个语音片段，每一个语音片段对应的语音内容为以下任意一项：词语、句子、具有完整语义的内容；

从所述用户输入的语音的切分位置中，选取目标切分位置，将所述模板语音拼接至所述目标切分位置。

2.根据权利要求1所述的方法，其特征在于，所述接收所述用户输入的语音，包括：

接收用户通过语音输入方式输入的语音；或者

接收用户通过文字输入方式输入的文字，并将所述文字转换为语音。

3.根据权利要求1所述的方法，其特征在于，在所述生成目标语音之后，所述方法还包括：

获取与所述模板语音相匹配的背景音乐；

为所述目标语音添加所述背景音乐。

4.根据权利要求1所述的方法，其特征在于，所述语音变声界面包括至少一个模板语音的介绍信息，所述介绍信息中包括模板语音的内容和模板语音的位置信息，所述位置信息用于指示用户输入的语音与模板语音的位置关系；以及，模板语音包括以下至少一项：段子语音、明星语音、主播语音、热点语音。

5.根据权利要求1所述的方法，其特征在于，所述将所述用户输入的语音与所述模板语音进行拼接，包括：

将所述模板语音拼接至所述用户输入的语音的首端；或者

将所述模板语音拼接至所述用户输入的语音的尾端；或者

将所述模板语音插入至所述用户输入的语音中的目标位置。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取各语音片段的起始时间；

基于各语音片段的起始时间，确定各语音片段的时长；

基于各语音片段的时长和所述模板语音的时长，确定所述模板语音的起始时间，并更新各语音片段的起始时间。

7.根据权利要求1所述的方法，其特征在于，所述输出所述目标语音，包括：

确定与所述模板语音对应的目标音色；

将所述目标语音进行音色转换，以所述目标音色输出所述目标语音；

其中，所述将所述目标语音进行音色转换，包括：

对所述目标语音的各帧进行声学特征提取，得到各帧对应的原始声学特征，所述原始声学特征包括原始语音内容和原始音色特征；

获取所述目标音色的目标音色特征；

基于各帧的原始语音内容和所述目标音色特征，生成各帧对应的目标语音特征；

对各帧对应的目标声学特征进行语音合成。

8.一种语音处理装置，其特征在于，所述装置包括：

第一获取单元，被配置成在检测到用户触发语音变声功能后，获取所述用户在语音变声界面中选中的模板语音；

接收单元，被配置成接收所述用户输入的语音；

拼接单元，被配置成将所述用户输入的语音与所述模板语音进行拼接，生成目标语音；

输出单元，被配置成输出所述目标语音；

其中，所述拼接单元，进一步被配置成：将所述用户输入的语音切分为多个语音片段，每一个语音片段对应的语音内容为以下任意一项：词语、句子、具有完整语义的内容；从所述用户输入的语音的切分位置中，选取目标切分位置，将所述模板语音拼接至所述目标切分位置。

9.根据权利要求8所述的装置，其特征在于，所述接收单元，进一步被配置成：

接收用户通过语音输入方式输入的语音；或者

接收用户通过文字输入方式输入的文字，并将所述文字转换为语音。