[发明专利]语音信号的处理方法和装置，存储介质和电子设备

说明书

本申请公开一种语音信号的处理方法和装置，视频、实时通信的语音信号输出方法、语音信号调变交互方法、存储介质以及电子设备；处理方法包括：根据语音音频信息的频域信号提取频谱包络信息和激励信号信息；对激励信号信息和频谱包络信息中的至少一个信息进行调整，获得变换后的信息；将根据新激励信号信息和新频谱包络信息整合后的目标频域语音音频信号，转换为目标时域语音音频信号；或者将根据新频谱包络信息和激励信号信息整合后的目标频域语音音频信号，转换为目标时域语音音频信号；或者将根据新激励信号信息和频谱包络信息整合后的目标频域语音音频信号，转换为目标时域语音音频信号；从而信号处理的降低复杂度。

技术领域

本申请涉及计算机应用技术领域，具体涉及一种语音信号的处理方法和装置，一种视频语音信号的输出方法，一种实时通信的语音信号输出方法，语音信号调变交互方法以及计算机存储介质和电子设备。

背景技术

随着互联网的发展，各种应用服务以成为生活中不可或缺的部分，例如：网络交流应用服务、视频直播应用服务、短视频应用服务等。对各种应用服务个性化需求越来越多，在保持基本的信息传递功能外，同时也要具有一定娱乐性。例如：在实时通信娱乐场景下的语音互动服务平台中，为增加聊天的趣味，需要提供个性化的音色转换功能，譬如：男声变女声，女声变男生等。

现有的音色转换功能通常采用如下两种方式：

1、波形叠加方式(WSOLA：Waveform Similarity Over-Lap Add)

所述波形叠加方式主要是通过重采样和波形叠加完成变声，该方式的变声后语音信息具有严重的机械音，从而导致语音信息真实度低，即质量差。

2、基音同步叠加方式(PSOLA：Ptich Synchronous Overlap Add)

通过重采样实现共振峰信息的改变，通过基音检测和动态规划实现基音的改变，该方式中基音检测模块复杂度较高、基于动态规划的后端处理需要较多的语音延时，从而导致实时性差。

发明内容

本申请提供一种语音信号的处理方法，以解决现有技术中语音信号输出延时和质量差的问题。

本申请提供一种语音信号的处理方法，包括：

根据语音音频信息的频域信号提取所述语音音频信息中的频谱包络信息和所述语音音频信息中的激励信号信息；

对所述激励信号信息和所述频谱包络信息中的至少一个信息进行调整，获得变换后的新激励信号信息和新频谱包络信息中的至少一个信息；

将根据所述新激励信号信息和所述新频谱包络信息整合后的目标频域语音音频信号，转换为目标时域语音音频信号；或者将根据所述新频谱包络信息和所述激励信号信息整合后的目标频域语音音频信号，转换为目标时域语音音频信号；或者将根据所述新激励信号信息和所述频谱包络信息整合后的目标频域语音音频信号，转换为目标时域语音音频信号。

在一些实施例中，所述根据语音音频信息的频域信号提取所述语音音频信息中的频谱包络信息，包括：

获取所述语音音频信息在所述频域信号上的频带数据；

根据所述频带数据，确定所述语音音频信息的频谱信息；

根据所述频谱信息，提取所述频谱包络信息。

在一些实施例中，所述获取所述语音音频信息在所述频域信号上的频带数据，包括：

对所述频域信号中频带取绝对值，获得所述频带数据。

在一些实施例中，所述根据所述频谱信息，提取所述频谱包络信息，包括：

对所述频谱信息进行离散余弦变换，确定所述频谱信息中的低频信号信息；