[发明专利]语音处理方法、装置及网络设备

权利要求书

1.一种语音处理方法，其特征在于，所述方法包括：

获取待处理语音；

对所述待处理语音进行切割，得到至少两个第一语音片段，每两个相邻的第一语音片段之间具有部分重叠语音片段；

对所述至少两个第一语音片段采用多线程并行处理方式进行语音转换处理，得到至少两个语音转换结果；所述至少两个第一语音片段对应源音色，所述至少两个语音转换结果对应目标音色；

将所述至少两个语音转换结果进行语音拼接处理，得到语音输出结果。

2.根据权利要求1所述的方法，其特征在于，针对每个第一语音片段，对所述第一语音片段进行语音转换处理，得到语音转换结果的过程，包括：

将所述第一语音片段输入至语音识别模型中进行语音识别处理，得到语音后验概率PPG特征；

将所述语音后验概率PPG特征和目标音色标识ID输入至语音转换模型中进行语音转换处理，得到语音转换结果。

3.根据权利要求2所述的方法，其特征在于，所述多线程并行处理方式，包括：

在所述至少两个第一语音片段中的第i个第一语音片段进行语音转换处理的过程中，同时进行所述至少两个第一语音片段中的第i+1个第一语音片段的语音识别处理，i为正整数。

4.根据权利要求1所述的方法，其特征在于，在所述至少两个第一语音片段包括：第二语音片段和第三语音片段的情况下，所述将所述至少两个语音转换结果进行语音拼接处理，得到语音输出结果，包括：

获取所述第二语音片段和所述第三语音片段的重叠语音片段的任意时刻与所述重叠语音片段的中间时刻的时间差；

根据所述时间差与预设调节系数，计算所述第二语音片段在所述任意时刻的第一拼接系数，以及所述第三语音片段在所述任意时刻的第二拼接系数；

根据所述第二语音片段中任意时刻的第一子语音片段、所述第三语音片段中任意时刻的第二子语音片段、所述第一拼接系数以及所述第二拼接系数，对所述第二语音片段的语音转换结果和所述第三语音片段的语音转换结果进行语音拼接处理，得到语音输出结果。

5.根据权利要求4所述的方法，其特征在于，所述根据所述时间差与预设调节系数，计算所述第二语音片段在所述任意时刻的第一拼接系数，以及所述第三语音片段在所述任意时刻的第二拼接系数，包括：

其中，C(t-j)表示所述第一拼接系数；

D(t-j)表示所述第二拼接系数；

t表示所述重叠语音片段的任意时刻；

j表示所述重叠语音片段的中间时刻；

t-j表示所述任意时刻与所述中间时刻的时间差；

k表示预设调节系数。

6.根据权利要求5所述的方法，其特征在于，所述根据所述第二语音片段中任意时刻的第一子语音片段、所述第三语音片段中任意时刻的第二子语音片段、所述第一拼接系数以及所述第二拼接系数，对所述第二语音片段的语音转换结果和所述第三语音片段的语音转换进行语音拼接处理，得到语音输出结果，包括：

s[t]＝A[t]*C(t-j)+B[t]*D(t-j)

其中，s[t]表示所述语音输出结果；

A[t]表示所述第一子语音片段；

B[t]表示所述第二子语音片段。

7.一种语音处理装置，其特征在于，包括：

获取模块，用于获取待处理语音；

切割模块，用于对所述待处理语音进行切割，得到至少两个第一语音片段，每两个相邻的第一语音片段之间具有部分重叠语音片段；

第一处理模块，用于对所述至少两个第一语音片段采用多线程并行处理方式进行语音转换处理，得到至少两个语音转换结果；所述至少两个第一语音片段对应源音色，所述至少两个语音转换结果对应目标音色；

第二处理模块，用于将所述至少两个语音转换结果进行语音拼接处理，得到语音输出结果。