[发明专利]一种语音处理方法、装置和电子设备

权利要求书

1.一种语音处理方法，其特征在于，包括：

获取待转换的文本信息，以及确定所述文本信息对应的源语种和待转换的目标用户；

依据所述文本信息和所述目标用户对应的目标转换模型，将所述文本信息转换为目标用户采用源语种发音的目标语音数据；

其中，所述目标转换模型依据目标用户的单语种语音数据对训练后的通用转换模型进行自适应训练，所述通用转换模型依据包含N种语种的语音数据进行训练；所述源语种为所述N种语种中的一种，N为大于1的整数。

2.根据权利要求1所述的方法，其特征在于，所述获取待转换的文本信息，包括：

获取源用户的源语音数据，其中，所述源用户与目标用户为相同用户或不同用户；

对所述源语音数据进行语音识别，确定对应待转换的文本信息。

3.根据权利要求2所述的方法，其特征在于，所述对所述源语音数据进行语音识别，确定对应待转换的文本信息，包括：

将所述源语音数据分别输入至N个语音识别器，得到对应的N个语音识别结果，其中，一个语音识别器对应一种语种；

将所述N个语音识别结果进行拼接，得到待转换的文本信息。

4.根据权利要求2所述的方法，其特征在于，所述对所述源语音数据进行语音识别，确定对应待转换的文本信息，包括：

将所述源语音数据输入至一个语音识别器，得到对应的语音识别结果，其中，所述语音识别器对应N种语种；

将所述语音识别结果确定为待转换的文本信息。

5.根据权利要求1所述的方法，其特征在于，所述依据所述文本信息和所述目标用户对应的目标转换模型，将所述文本信息转换为目标用户采用源语种发音的目标语音数据，包括：

采用所述目标转换模型对所述文本信息进行转换，输出所述目标用户采用所述源语种发音的声学特征；

采用合成器对所述声学特征进行合成，得到所述目标用户采用所述源语种发音的目标语音数据。

6.根据权利要求5所述的方法，其特征在于，所述采用所述目标转换模型对所述文本信息进行转换，输出所述目标用户采用所述源语种对所述文本信息进行发音的声学特征，包括：

将所述文本信息、源语种对应的语种标识和目标用户对应的用户标识，输入至所述目标转换模型中；

所述目标转换模型查找与所述语种标识匹配和用户标识均匹配的目标模型参数；

所述目标转换模型采用所述目标模型参数对所述文本信息进行转换，输出所述目标用户采用所述源语种发音的声学特征。

7.根据权利要求1所述的方法，其特征在于，还包括对所述通用转换模型进行训练的步骤：

收集M个用户的X条第一语音训练数据，其中，一条第一语音训练数据对应一种语种，X条第一语音训练数据对应N种语种；

分别提取各条第一语音训练数据的参考声学特征，并分别为各条第一语音训练数据和对应的参考声学特征均标注对应的用户标识和语种标识；

针对每一条第一语音训练数据，识别所述第一语音训练数据对应的文本信息；

依据所述第一语音训练数据对应的文本信息、参考声学特征、用户标识和语种标识，对所述通用转换模型进行训练。

8.一种语音处理装置，其特征在于，包括：

获取模块，用于获取待转换的文本信息；

信息确定模块，用于确定所述文本信息对应的源语种和待转换的目标用户；

语音转换模块，用于依据所述文本信息和所述目标用户对应的目标转换模型，将所述文本信息转换为目标用户采用源语种发音的目标语音数据；其中，所述目标转换模型依据目标用户的单语种语音数据对训练后的通用转换模型进行自适应训练，所述通用转换模型依据包含N种语种的语音数据进行训练；所述源语种为所述N种语种中的一种，N为大于1的整数。