[发明专利]语音转换方法、装置、电子设备及计算机可读存储介质

权利要求书

1.一种语音转换方法，其特征在于，包括：

获取待转换的源语音；

基于transformer转换网络对所述源语音进行转换，得到目标转换语音；

所述目标转换语音的语音内容与所述源语音的语音内容相同。

2.根据权利要求1所述的方法，其特征在于，所述transformer转换网络的解码结构包括预设个数的解码网络；每一解码网络包括掩模多头自注意力子网络、单头自注意力子网络和前馈网络。

3.根据权利要求1或2所述的方法，其特征在于，所述基于transformer转换网络对所述源语音进行转换，得到目标转换语音，包括：

提取所述源语音的源语音特征，基于所述transformer转换网络的编码结构对所述源语音特征进行编码；

基于预设的目标初始特征和所述transformer转换网络的解码结构对编码后的源语音特征进行解码，得到目标转换语音特征；

根据所述目标转换语音特征生成所述目标转换语音。

4.根据权利要求3所述的方法，其特征在于，所述基于所述transformer转换网络的编码结构对所述源语音特征进行编码之前，还包括：

将所述源语音特征输入至少一层线性层进行预处理，以执行对所述源语音特征进行维度变换并适应预设的第一位置编码；

将预处理后的源语音特征加上所述第一位置编码，并输入所述编码结构。

5.根据权利要求3或4所述的方法，其特征在于，所述基于预设的目标初始特征和所述transformer转换网络的解码结构对编码后的源语音特征进行解码，得到目标转换语音特征，包括：

将所述编码后的源语音特征输入所述解码结构进行解码，得到解码后的源语音特征；

将所述解码后的源语音特征输入至少一层线性层进行处理，得到所述目标转换语音特征。

6.根据权利要求3-5中任一项所述的方法，其特征在于，所述基于预设的目标初始特征和所述transformer转换网络的解码结构对编码后的源语音特征进行解码之前，还包括：

将所述目标初始特征输入至少一层线性层进行预处理，以执行对所述目标初始特征进行维度变换并适应预设的第二位置编码；

将预处理后的目标初始特征加上所述第二位置编码，并输入所述解码结构。

7.根据权利要求1-6中任一项所述的方法，其特征在于，所述在基于transformer转换网络对所述源语音进行转换之前，还包括：

获取多个与所述源语音对应的源样本语音，并获取转换目标用户的多个目标样本语音；

基于所述源样本语音和所述目标样本语音对预设的预训练网络进行训练，得到所述transformer转换网络；其中，用于对预训练网络进行训练的每一源样本语音对应的语音内容与每一目标样本语音对应的语音内容相同。

8.一种语音转换装置，其特征在于，包括：

获取模块，用于获取待转换的源语音；

转换模块，用于基于transformer转换网络对所述源语音进行转换，得到目标转换语音；所述目标转换语音的语音内容与所述源语音的语音内容相同。

9.一种电子设备，其特征在于，其包括：

一个或多个处理器；

存储器；

一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置用于：执行根据权利要求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，其特征在于，所述存储介质存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1-7任一项所述的语音转换方法。