[发明专利]语音生成方法、装置、设备和计算机可读介质

说明书

本公开的实施例公开了用于生成对话语音的方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：在原始语音集合中确定包含一个说话人声音的语音，得到语音集合；基于上述语音集合，生成每个说话人的语音段集合；将目标数目个说话人的语音段集合中的语音段拼接起来，得到对话语音。该实施方式通过将多个不同说话人的个人说话语音片段拼接为对话语音，使对话语音中不同说话人之间的说话语音清晰、完整、无交叠。

技术领域

本公开的实施例涉及计算机技术领域，具体涉及语音生成方法、装置、设备和计算机可读介质。

背景技术

随着人工智能技术的发展，可以使用人工智能技术进行对话语音中说话人的识别。训练说话人识别的模型时，往往需要大量已经标注了说话人的对话语音。可是现实中的对话语音经常会有多个说话人同时说话的情况。这导致不同说话人的语音相互交叠。或者对话中的语音不够清晰完整。

发明内容

本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

本公开的一些实施例提出了用于生成对话语音的方法、装置、设备和计算机可读介质，来解决以上背景技术部分提到的技术问题。

第一方面，本公开的一些实施例提供了一种用于生成对话语音的方法，该方法包括：在原始语音集合中确定包含一个说话人声音的语音，得到语音集合；基于上述语音集合，生成每个说话人的语音段集合；将目标数目个说话人的语音段集合中的语音段拼接起来，得到对话语音。

第二方面，本公开的一些实施例提供了一种语音生成装置，装置包括：确定单元，被配置成在原始语音集合中确定包含一个说话人声音的语音，得到语音集合；生成单元，被配置成基于上述语音集合，生成每个说话人的语音段集合；拼接单元，被配置成将目标数目个说话人的语音段集合中的语音段拼接起来，得到对话语音。

第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。

第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如第一方面中任一实现方式描述的方法。

本公开的上述各个实施例中的一个实施例具有如下有益效果：通过将多个不同说话人的个人说话语音片段拼接为对话语音，使对话语音中不同说话人之间的说话语音清晰、完整、无交叠。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。

图1是本公开的一些实施例的语音生成方法的一个应用场景的示意图；

图2是根据本公开的语音生成方法的一些实施例的流程图；

图3是根据本公开的语音生成方法的另一些实施例的流程图；

图4是根据本公开的语音生成装置的一些实施例的结构示意图；

图5是适于用来实现本公开的一些实施例的电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。