[发明专利]语音转换方法、装置、设备以及存储介质

权利要求书

1.一种语音转换方法，其特征在于，所述方法包括：

将原始语音输入至预设的声码器进行分析，得到所述原始语音对应的基频信息和频谱信息；

基于预设的基频转换模型对所述基频信息进行基于CWT变换的转换，得到转换基频信息；

基于预设的频谱转换模型对所述频谱信息进行基于MCEPS变换的转换，得到转换频谱信息；

将所述转换基频信息和所述转换频谱信息输入至所述声码器进行语音合成，得到转换语音。

2.根据权利要求1所述的语音转换方法，其特征在于，所述基于预设的基频转换模型对所述基频信息进行基于CWT变换的转换，得到转换基频信息，包括：

对所述基频信息执行CWT变换，得到CWT基频信息；

将所述CWT基频信息输入至预设的基频转换模型进行分析，得到转换CWT基频信息；

对所述转换CWT基频信息执行CWT逆变换，得到转换基频信息。

3.根据权利要求1所述的语音转换方法，其特征在于，所述基于预设的频谱转换模型对所述频谱信息进行基于MCEPS变换的转换，得到转换频谱信息，包括：

对所述频谱信息执行MCEPS变换，得到所述频谱信息对应的梅尔频谱倒谱系数；

将所述梅尔频谱倒谱系数输入至预设的频谱转换模型进行分析，得到转换梅尔频谱倒谱系数；

对所述转换梅尔频谱倒谱系数执行MCEPS逆变换，得到转换频谱信息。

4.根据权利要求1-3任一项所述的语音转换方法，其特征在于，所述基频转换模型和所述频谱转换模型均是基于StarGAN模型构建的模型。

5.根据权利要求4所述的语音转换方法，其特征在于，所述基频转换模型和所述频谱转换模型均在所述StarGAN模型的基础之上引入感知损失函数来构建模型中的生成器。

6.根据权利要求4所述的语音转换方法，其特征在于，所述基频转换模型和所述频谱转换模型均在所述StarGAN模型的基础之上使用Switchable Normalization代替BatchNormalization。

7.根据权利要求4所述的语音转换方法，其特征在于，所述基频转换模型和所述频谱转换模型均在所述StarGAN模型的基础之上使用Residual Network建立generator编码器和解码器之间不同层次的映射。

8.一种语音转换装置，其特征在于，所述装置包括：

语音分析模块，用于将原始语音输入至预设的声码器进行分析，得到所述原始语音对应的基频信息和频谱信息；

基频转换模块，用于基于预设的基频转换模型对所述基频信息进行基于CWT变换的转换，得到转换基频信息；

频谱转换模块，用于基于预设的频谱转换模型对所述频谱信息进行基于MCEPS变换的转换，得到转换频谱信息；

语音合成模块，用于将所述转换基频信息和所述转换频谱信息输入至所述声码器进行语音合成，得到转换语音。

9.一种计算机设备，其特征在于，所述计算机设备包括：

存储有可执行程序代码的存储器；

与所述存储器连接的处理器；

所述处理器调用所述存储器中存储的所述可执行程序代码，执行如权利要求1-7任一项所述的语音转换方法。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7任一项所述的语音转换方法。