[发明专利]一种原声语音翻译方法

权利要求书

1.一种原声语音翻译方法，其特征在于，包括以下步骤：

步骤一、源语言语音采集，通过语音采集模块将语音信息采集后，发送给声音特征学习模块和STT(Speech-To-Text)模块；

步骤二、声音特征学习模块提取说话人的声音特征，特征被提取后经过深度神经网络DNN的学习建立声音特征模型，语言发音特征作为特征值送入深度神经网络DNN(DeepNeural Network)训练学习，学习后获得参考的语言特征模型特征向量与人声特征模型特征向量；

步骤三、STT模块转换源语言语音的文字信息，并分别由翻译模块和语言特征学习模块获取，其中，语言特征学习提取和记录源语言的语言特征，语言特征经深度神经网络DNN的学习后修正语言特征模型，语言特征模型所用参数被用于翻译模块的重要参考参数，作为翻译的预判信息；

步骤四、通过合成语音模块进行语音合成模拟，将翻译后，且经深度神经网络DNN的学习后修正语言特征模型作为语音输出的信息基础，模拟输出语言信息，采用时间区间模型与基频模型结合建立合成语音模型，生成时频谱信号，利用葛林氏算法Griffin-Lim对合成语音模块进行合成处理，得到对应的人声特征语音信号，合成语音模型如下：

S为给定的时频谱信号，

x_i为第i次重建的信号，

f为短时距傅里叶变换，

f^-1为反变换，

S_i，P_i分别代表x_i的短时傅里叶变换的大小及相位；

步骤五、不断的重建信号，最终合成最接近说话者的语言、语音特征，并根据翻译内容，实时翻译播放，完成语音翻译过程。

2.根据权利要求1所述的一种原声语音翻译方法，其特征在于：所述步骤一中源语言语音采集包含对声音信号的预处理和判断，所述预处理包含语音的增强，背景声音消除，回声抑制，所述判断包括判断声音信号中是否包含语言信息，如果未检测到语言信息，则当前信息被丢弃。

3.根据权利要求1所述的一种原声语音翻译方法，其特征在于：所述步骤二中声音特征模型具有预先训练好的声音特征模型，每次新的语音声音特征被学习均会修正声音特征模型。

4.根据权利要求1所述的一种原声语音翻译方法，其特征在于：所述步骤二中声音特征学习模块包含特征提取，所提取的特征包含语言发音的特征，即包括元音、辅音和浊音，提取的特征还包含说话人的发声特征，即包括音强、音调和音色。