[发明专利]一种语音音色转换方法、装置及计算机可读存储介质

权利要求书

1.一种语音音色转换方法，其特征在于，包括：

获取第一音频对应的第一频谱；

从音色库提取第一音色特征参量，其中，所述音色库中包括多个预置的音色特征参量；

通过预设的音色转换模型来根据所述第一频谱和所述第一音色特征参量确定出第二频谱；

根据所述第二频谱确定出所述第一音色特征参量对应的第一音色的第二音频。

2.根据权利要求1所述的方法，其特征在于，所述第一频谱包括N个第一子频谱，所述第二频谱包括N-1个第二子频谱，其中，N为大于或者等于2的正整数；

所述通过预设的音色转换模型来根据所述第一频谱和所述第一音色特征参量确定出第二频谱，包括：

对所述N个第一子频谱中任意两个相邻的第一子频谱i和第一子频谱j进行以下频谱合成操作：

根据所述第一子频谱i和所述第一子频谱j确定出第一中间频谱k；

通过预设的音色转换模型来根据所述第一音色特征参量和所述第一中间频谱k确定出一个第二子频谱；

根据对所述N个第一子频谱中各相邻的两个第一子频谱执行所述频谱合成操作的结果确定出所述N-1个第二子频谱。

3.根据权利要求2所述的方法，其特征在于，所述根据所述第一子频谱i和所述第一子频谱j确定出第一中间频谱k，包括：

根据预设的第一截取偏移量对所述第一子频谱i进行频谱截取以得到第一子中间频谱k1；

根据所述预设的第二截取偏移量对所述第一子频谱j进行频谱截取以得到第一子中间频谱k2；

对所述第一子中间频谱k1和所述第一子中间频谱k2进行频谱合并以得到第一中间频谱k。

4.根据权利要求3所述的方法，其特征在于，所述根据预设的第一截取偏移量对所述第一子频谱i进行截取以得到第一子中间频谱k1，包括：

获取所述第一子频谱i的终止时刻和第一中心时刻；

根据所述第一中心时刻和所述预设的第一截取偏移量确定出第一中间时刻t1，其中，所述第一中间时刻t1在所述第一中心时刻之前且所述第一中心时刻与所述第一中间时刻t1的差值为所述第一截取偏移量；

根据所述第一中间时刻t1和所述终止时刻从所述第一子频谱i中截取出所述第一子中间频谱k1。

5.根据权利要求3或4所述的方法，其特征在于，所述根据所述预设的第二截取偏移量对所述第一子频谱j进行截取以得到第一子中间频谱k2，包括：

获取所述第一子频谱j的起始时刻和第二中心时刻；

根据所述第二中心时刻和所述预设的第二截取偏移量确定出第一中间时刻t2，其中，所述第一中间时刻t2在所述第二中心时刻之后且所述第一中间时刻t2与所述第二中心时刻的差值为所述第二截取偏移量；

根据所述起始时刻和所述第一中间时刻t2从所述第一子频谱j中截取出所述第一子中间频谱k2。

6.根据权利要求2或3所述的方法，其特征在于，所述根据所述第二频谱确定出所述第一音色特征参量对应的第一音色的第二音频，包括：

对所述N-1个第二子频谱中任一第二子频谱m执行以下音频片段还原操作：

通过预设的声码器模型对所述第二子频谱m进行处理以得到对应的中间音频片段；

根据预设的三截取偏移量对所述中间音频片段进行音频截取以得到目标音频片段；根据对所述N-1个第二子频谱中各第二子频谱执行所述音频片段还原操作得到的N-1个目标音频片段确定出所述第一音色特征参量对应的第一音色的第二音频。

7.根据权利要求6所述的方法，其特征在于，所述根据预设的第三截取偏移量对所述中间音频片段进行截取以得到目标音频片段，包括：

获取所述中间音频片段的起始时刻和终止时刻；

根据所述预设的第三截取偏移量确定出第一时刻和第二时刻，其中，所述第一时刻与所述起始时刻的差值为所述第三截取偏移量，所述终止时刻与所述第二时刻的差值为所述第三截取偏移量；

根据所述第一时刻和所述第二时刻在所述中间音频片段中确定出所述目标音频片段。