[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

说明书

本申请实施例提供了一种语音转换方法、装置、电子设备及计算机可读存储介质，涉及信号处理技术领域。该方法包括：获取待转换的源语音；基于预设的训练后的transformer转换网络对源语音进行转换，得到目标转换语音；目标转换语音的语音内容与源语音的语音内容相同。本申请实施例提供的transformer转换网络更容易的学习长时依赖，使得转换后句子整体的韵律合适，输入的目标转换语音更自然。

技术领域

本申请涉及信号处理技术领域，具体而言，本申请涉及一种语音转换方法、装置、电子设备及计算机可读存储介质。

背景技术

随着科学技术的发展，多种即时通信软件可以首先录制用户的语音信息，然后将录制的语音信息转换为音色各异的语音，并将转换得到的语音发送给其他用户，从而提高用户之前交流的趣味性。

现有技术中对语音进行转换时，通常采用RNN模型(Recurrent Neural Network，循环神经网络)对输入的语音进行编码再解码，得到输出的目标语音，使用传统的RNN进行编码和解码很难解决长时依赖问题，容易影响转换后句子整体的韵律，导致输出的转换后的语音不自然。

发明内容

本申请提供了一种语音转换方法、装置、电子设备及计算机可读存储介质，用于解决在将智能聊天机器人应用于与用户进行交互时，如何更为准确地输出答复信息，该技术方案如下所示：

第一方面，提供了一种语音转换方法，该方法包括：

获取待转换的源语音；

基于transformer转换网络对源语音进行转换，得到目标转换语音；目标转换语音的语音内容与源语音的语音内容相同。

第二方面，提供了一种语音转换装置，该装置包括：

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。

第三方面，提供了一种电子设备，该电子设备包括：

一个或多个处理器；

存储器；

一个或多个应用程序，其中一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行，一个或多个程序配置用于：执行根据第一方面所示的语音转换方法所对应的操作。

第四方面，提供了一种计算机可读存储介质，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，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现如第一方面所示的语音转换方法。

本申请提供的技术方案带来的有益效果是：

本申请提供了一种语音转换方法、装置、电子设备及计算机可读存储介质，与现有技术相比，本申请采用transformer转换网络对源语音进行转换，得到目标转换语音，transformer转换网络完全基于自注意力机制，从而更容易的学习长时依赖，使得转换后句子整体的韵律合适，输入的目标转换语音更自然；此外，transformer转换网络中不含有循环网络，在训练过程中可以并行计算，从而提高对transformer转换网络的训练速度，节省训练时间。

进一步的，将transformer转换网络的解码结构中的多头自注意力子网络更换为单头自注意力子网络，可以进一步提高对transformer转换网络的训练速度，节省训练时间。

进一步的，通过设置预处理网络，对源语音特征进行数值范围的调整，可以适应第一位置编码从而与第一位置编码进行相加，还可以对源语音特征进行维度变换，从而使源语音特征的维度和transformer转换网络内部的维度保持一致。