[发明专利]信息处理方法及装置、电子设备及存储介质

说明书

本发明实施例公开了一种信息处理方法及装置、电子设备及存储介质。所述信息处理方法，包括：提取源语音的第一频域特征；提取目标语音的第二频域特征；基于所述第一频域特征及所述第二频域特征，构建高斯模型；将位于第一空间的所述第一频域特征和所述第二频域特征，通过非线性映射映射到第二空间，其中，所述第二空间的维度高于所述第一空间的维度；对映射到所述第二空间的频域特征进行核非负矩阵进行分解，得到第一转换函数；将所述第一转换函数和所述高斯模型进行混合，得到第二转换函数，其中，所述第二转换函数，用于将所述源语音的声音参数转换为所述目标语音的声音特征参数，从而提升语音转换的效果。

技术领域

本发明涉及信息技术领域，尤其涉及一种信息处理方法及装置、电子设备及存储介质。

背景技术

语音转换是在保留原有语义的条件下，将将一个人的声音转换成另一个人的声音，从而实现保留语义条件下的声音替换。

语音转换已经被广泛应用于语音增强、语音辅助及保密通信等应用场景中。

现有的语音转换包括：利用矢量量化谱映射方法、多元线性回归等方法进行语音转换。但是由于语音具有较多非线性分量，导致转换效果不佳的问题。在现有技术中，提出了一种基于高斯混合模型的语音转换方法，极大的提升了语音转换的效果，但是高斯混合模型中存在着过度拟合或者不连续的问题，导致转换后的声音相对真人说话的声音有较大的失真，从而导致转换后依然比较很怪异，故在现有技术中声音转换的效果依然有待进一步以提升。

发明内容

有鉴于此，本发明实施例期望提供一种信息处理方法及装置、电子设备及存储介质，至少部分解决上述问题。

为达到上述目的，本发明的技术方案是这样实现的：

第一方面，本发明实施例提供一种信息处理方法，包括：

提取源语音的第一频域特征；

提取目标语音的第二频域特征；

基于所述第一频域特征及所述第二频域特征，构建高斯模型；

将位于第一空间的所述第一频域特征和所述第二频域特征，通过非线性映射映射到第二空间，其中，所述第二空间的维度高于所述第一空间的维度；

对映射到所述第二空间的频域特征进行核非负矩阵进行分解，得到第一转换函数；

将所述第一转换函数和所述高斯模型进行混合，得到第二转换函数，其中，所述第二转换函数，用于将所述源语音的声音参数转换为所述目标语音的声音特征参数。

可选地，所述提取源语音的第一频域特征，包括：

提取源语音的第一频域特征其中，为所述源语音的第t帧的频域特征；为所述源语音的第t-1帧的频域特征；为所述源语音的第t+1帧的频域特征；

所述提取目标语音的第二频域特征，包括：

获取目标语音的第二频域特征其中，为所述目标语音的第t帧的频域特征；为所述目标语音的第t-1帧的频域特征；为所述目标语音的第t+1帧的频域特征。

可选地，所述第一频域特征为所述源语音的梅尔频率倒谱系数特征；

所述第二频域特征为所述目标语音的梅尔频率倒谱系数特征。

可选地，所述将所述第一转换函数和所述高斯模型进行混合，得到第二转换函数，包括：

对所述高斯模型的高斯分量的第一后验概率进行平滑处理，得到平滑处理后的第二后验概率；

将所述第一转换函数及所述第二后验概率性，以获得所述第二转换函数。

可选地，所述对所述高斯模型的高斯分量的第一后验概率进行平滑处理，得到平滑处理后的第二后验概率，包括：