[发明专利]语音转换方法、装置、设备及存储介质

说明书

本申请提供了一种语音转换方法、装置、设备及存储介质，属于互联网技术领域。所述方法包括：获取语音转换模型，所述语音转换模型用于根据具有任一音色且属于原始语种的参考语音，将属于所述原始语种的文本转换成具有所述任一音色且属于目标语种的语音，所述原始语种与所述目标语种不同；获取属于所述原始语种的目标文本和参考语音；调用所述语音转换模型，根据所述参考语音，将所述目标文本转换成目标语音，所述目标语音与所述目标文本的语义相同，与所述参考语音的音色相同，且属于所述目标语种。上述方法能够自由控制由文本转换出的语音的音色，智能化程度高。

技术领域

本申请涉及互联网技术领域，特别涉及一种语音转换方法、装置、设备及存储介质。

背景技术

TTS（Text-To-Speech，从文本到语音）技术可以通过机械的、电子的方法产生人造语音。随着互联网技术的发展和人们对TTS技术精确性需求的日益提升，目前出现了调用语音转换模型将文本转换成语音的方法。

相关技术中，通过多个样本文本以及同一用户按照该多个样本文本发出的语音来训练语音转换模型，则模型能够学习到文本和对应的语音之间的关系，从而能够实现将给定的文本转换成对应的语音。

然而，这种语音转换模型只能将文本转换为固定音色的语音，即与上述用户的音色匹配的语音，智能化程度低。

发明内容

本申请实施例提供了一种语音转换方法、装置、设备及存储介质，能够自由控制由文本转换出的语音的音色，智能化程度高。所述技术方案如下。

一方面，提供了一种语音转换方法，所述方法包括：

获取语音转换模型，所述语音转换模型用于根据具有任一音色且属于原始语种的参考语音，将属于所述原始语种的文本转换成具有所述任一音色且属于目标语种的语音，所述原始语种与所述目标语种不同；

获取属于所述原始语种的目标文本和参考语音；

调用所述语音转换模型，根据所述参考语音，将所述目标文本转换成目标语音，所述目标语音与所述目标文本的语义相同，与所述参考语音的音色相同，且属于所述目标语种。

在一种可能的实现方式中，所述语音转换模型包括特征提取子模型和语音转换子模型，所述调用所述语音转换模型，根据所述参考语音，将所述目标文本转换成目标语音，包括：

调用所述特征提取子模型，对所述参考语音进行特征提取，得到目标用户特征；

调用所述语音转换子模型，根据所述目标用户特征对所述目标文本进行语音转换，得到所述目标语音。

在另一种可能的实现方式中，所述语音转换子模型包括文本特征提取网络、声学特征提取网络和语音转换网络，所述调用所述语音转换子模型，根据所述目标用户特征对所述目标文本进行语音转换，得到所述目标语音，包括：

调用所述文本特征提取网络，根据所述目标用户特征对所述目标文本进行特征提取，得到目标文本特征；

调用所述声学特征提取网络，对所述目标文本特征进行特征转换，得到目标声学特征；

调用所述语音转换网络，根据所述目标用户特征对所述目标声学特征进行语音转换，得到所述目标语音。

在另一种可能的实现方式中，所述语音转换模型的训练过程包括：

获取样本信息，所述样本信息包括样本文本、第一样本语音和第二样本语音，所述样本文本和所述第一样本语音属于所述原始语种，所述第一样本语音与所述样本文本的语义相同，所述第二样本语音与所述样本文本的语义相同且属于所述目标语种，所述第一样本语音和所述第二样本语音的音色不同；

根据所述样本信息，对所述语音转换模型进行训练。