[发明专利]修音方法及装置

权利要求书

1.一种修音方法，其特征在于，所述方法包括：

获取第一语音数据，所述第一语音数据具有第一对象的音色；

对所述第一语音数据进行划分，得到至少两条第二语音数据；

确定所述第二语音数据对应的第二对象；其中，所述第二对象中存在至少一个所述第二对象的类型为第一类型，且存在至少一个所述第二对象的类型为第二类型；

对所述第二语音数据进行音色转换，得到第三语音数据，所述第三语音数据具有所述第二语音数据对应的所述第二对象的音色；

至少对所述第三语音数据进行融合，获得第四语音数据，所述第四语音数据至少具有所述第一类型的所述第二对象的音色和所述第二类型的所述第二对象的音色；

获取第五语音数据，所述第五语音数据具有第三对象的音色，所述第五语音数据和所述第一语音数据对应同一内容；

从所述第五语音数据中提取出内容参数；

基于所述内容参数，对所述第一语音数据进行美音处理，得到第六语音数据；

基于所述第四语音数据和所述第六语音数据，得到第七语音数据，所述第七语音数据至少具有所述第一类型的所述第二对象的音色和所述第二类型的所述第二对象的音色，所述第七语音数据的内容参数与从所述第五语音数据中提取出的内容参数匹配。

2.根据权利要求1所述的方法，其特征在于，所述内容参数包括：每句的起始位置和结束位置、每个字的起始位置和结束位置、每个字的发音和每个字的音高；所述基于所述内容参数，对所述第一语音数据进行美音处理包括：

基于每个字的起始位置和结束位置，得到每个字的基频和包络；

基于每个字的发音，得到每个字的辅音信息；

利用每个字的基频、每个字的包络、每个字的辅音信息、每个字的音高、每个字的起始位置和结束位置、每句的起始位置和结束位置，对所述第一语音数据的音调和语速进行调整。

3.根据权利要求1或2所述的方法，其特征在于，所述对所述第一语音数据进行划分，得到至少两条第二语音数据包括：

对所述第一语音数据进行声纹识别，以确定所述第一语音数据中至少一部分的识别结果；

基于所述至少一部分的识别结果，对所述第一语音数据进行划分，得到至少两条所述第二语音数据。

4.根据权利要求3所述的方法，其特征在于，所述基于所述至少一部分的识别结果，对所述第一语音数据进行划分，得到至少两条所述第二语音数据包括：

基于所述至少一部分的识别结果，对所述第一语音数据进行划分，得到划分结果；

接收针对所述划分结果的调整指令；

响应所述调整指令，基于所述调整指令中的调整参数，对所述划分结果进行调整，以得到至少两条所述第二语音数据。

5.根据权利要求3所述的方法，其特征在于，所述对所述第一语音数据进行声纹识别，以确定所述第一语音数据中至少一部分的识别结果包括：

从所述第一语音数据中提取第一特征数据；

调用声纹判别模型对所述第一特征数据进行处理，获得所述声纹判别模型输出的声纹判别结果，所述声纹判别结果包括所述第一语音数据中每部分的识别结果；其中，所述声纹判别模型利用多个历史对象的语音数据训练得到。

6.根据权利要求1或2所述的方法，其特征在于，所述对所述第一语音数据进行划分，得到至少两条第二语音数据包括：

接收针对所述第一语音数据的划分指令；

响应所述划分指令，基于所述划分指令中的划分参数，对所述第一语音数据进行划分，得到至少两条所述第二语音数据。

7.根据权利要求6所述的方法，其特征在于，所述划分参数包括时间参数和/或歌词参数。

8.根据权利要求7所述的方法，其特征在于，所述时间参数为用户手动输入时长或用户手动控制时间控件选择时长；所述方法还包括：如果用户手动控制时间控件选择时长，在检测到选择一个时长后，输出提示信息；

所述基于所述划分指令中的时间参数，对所述第一语音数据进行划分包括：响应针对所述提示信息的确认指令，基于所选择的时长对所述第一语音数据进行划分。