[发明专利]语音风格的迁移方法、装置、可读介质和电子设备

说明书

本公开涉及一种语音风格的迁移方法、装置、可读介质和电子设备，涉及电子信息处理技术领域，该方法包括：获取目标文本和目标文本对应的第一音频，第一音频符合第一音色且具有目标风格，提取目标文本对应的音素序列，提取第一音频对应的初始声学特征序列，初始声学特征序列中包括每个音素对应的声学特征，声学特征用于指示该音素的韵律特征，按照第二音色的声学统计特征对初始声学特征序列进行处理，得到目标声学特征序列，将音素序列和目标声学特征序列，输入预先训练的语音合成模型，以得到语音合成模型输出的第二音频，第二音频符合第二音色且具有目标风格，语音合成模型为根据符合第二音色的语料训练得到的。

技术领域

本公开涉及电子信息处理技术领域，具体地，涉及一种语音风格的迁移方法、装置、可读介质和电子设备。

背景技术

随着电子信息技术的不断发展，人们的娱乐生活也越来越丰富，阅读电子书已经成为了一种主流的阅读方式。为了使用户在不方便阅览电子书时，也能通过听觉来获取电子书中包括的信息，或者边读边听，从视觉和听觉两个维度来获取电子书中包括的信息，往往会为电子书预先录制对应的音频，以供用户收听。

电子书通常会根据其中的内容分为不同的风格，例如：科幻、悬疑等。相应的，朗读者在录制对应的音频时，也会按照电子书的风格进行录制，以使音频的风格与电子书的风格能够匹配。然而，由于录制成本和录制效率等原因，一部电子书对应的音频，往往只会由一个朗读者来进行录制，很难满足用户多样化的需求。若利用现有的语音合成方法来模拟其他朗读者朗读电子书的音频，由于语音合成需要借助原始音库，而原始音库通常是不带有风格的，会导致模拟出的音频的风格与电子书的风格不匹配。

发明内容

提供该发明内容部分以便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。该发明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。

第一方面，本公开提供一种语音风格的迁移方法，所述方法包括：

获取目标文本和所述目标文本对应的第一音频，所述第一音频符合第一音色且具有目标风格；

提取所述目标文本对应的音素序列，所述音素序列中包括至少一个音素；

提取所述第一音频对应的初始声学特征序列，所述初始声学特征序列中包括每个所述音素对应的声学特征，所述声学特征用于指示该音素的韵律特征；

按照第二音色的声学统计特征对所述初始声学特征序列进行处理，得到目标声学特征序列，所述目标声学特征序列中包括每个所述音素对应的处理后的声学特征；

将所述音素序列和所述目标声学特征序列，输入预先训练的语音合成模型，以得到所述语音合成模型输出的第二音频，所述第二音频符合所述第二音色且具有所述目标风格，所述语音合成模型为根据符合所述第二音色的语料训练得到的。

第二方面，本公开提供一种语音风格的迁移装置，所述装置包括：

获取模块，用于获取目标文本和所述目标文本对应的第一音频，所述第一音频符合第一音色且具有目标风格；

第一提取模块，用于提取所述目标文本对应的音素序列，所述音素序列中包括至少一个音素；

第二提取模块，用于提取所述第一音频对应的初始声学特征序列，所述初始声学特征序列中包括每个所述音素对应的声学特征，所述声学特征用于指示该音素的韵律特征；

处理模块，用于按照第二音色的声学统计特征对所述初始声学特征序列进行处理，得到目标声学特征序列，所述目标声学特征序列中包括每个所述音素对应的处理后的声学特征；