[发明专利]语音转图像方法及装置

权利要求书

1.一种语音转图像方法，其特征在于，包括：

对图片素材进行语音标注，对标注的语音进行聚合得到声学特征序列，将声学特征序列与图片素材进行关联；

对输入的语音进行处理，得到输入语音的声学特征序列；

确定输入语音的声学特征序列与图片素材对应的声学特征序列的相似度，将最大相似度对应的图片素材作为输入语音的转换图片；

对图片素材进行语音标注，对标注的语音进行聚合得到声学特征序列，包括：

对图片素材进行多次语音标注；

对多次标注语音进行声学特征提取，获得多个声学特征；

对多个声学特征进行聚合，获得最优声学特征；

对所述最优声学特征进行矢量化压缩，得到矢量化的声学特征序列。

2.如权利要求1所述的语音转图像方法，其特征在于，对图片素材进行语音标注，对标注的语音进行聚合得到声学特征序列，还包括：

对多次标注的语音进行预处理，获得预处理后的多次标注语音。

3.如权利要求1所述的语音转图像方法，其特征在于，对输入的语音进行处理，得到输入语音的声学特征序列，包括：

对输入的语音进行声学特征提取，得到声学特征结果；

对所述声学特征结果进行矢量化压缩，得到矢量化声学特征序列。

4.如权利要求3所述的语音转图像方法，其特征在于，对输入的语音进行处理，得到输入语音的声学特征序列，还包括：

对输入的语音进行预处理，获得预处理的语音。

5.如权利要求1所述的语音转图像方法，其特征在于，确定输入语音的声学特征序列与图片素材对应的声学特征序列的相似度，包括：

基于隐式马尔科夫的非时序相关模型，计算输入语音的声学特征序列与图片素材对应的声学特征序列的相似度。

6.一种语音转图像装置，其特征在于，包括：

图像素材标注模块，用于对图片素材进行语音标注，对标注的语音进行聚合得到声学特征序列，将声学特征序列与图片素材进行关联；

语音输入判别模块，用于对输入的语音进行处理，得到输入语音的声学特征序列；

语音图像匹配模块，用于确定输入语音的声学特征序列与图片素材对应的声学特征序列的相似度，将最大相似度对应的图片素材作为输入语音的转换图片；

图像素材标注模块具体用于：

对图片素材进行多次语音标注；

对多次标注语音进行声学特征提取，获得多个声学特征；

对多个声学特征进行聚合，获得最优声学特征；

对所述最优声学特征进行矢量化压缩，得到矢量化的声学特征序列。

7.如权利要求6所述的语音转图像装置，其特征在于，图像素材标注模块具体用于：

对多次标注的语音进行预处理，获得预处理后的多次标注语音。

8.如权利要求6所述的语音转图像装置，其特征在于，语音输入判别模块具体用于：

对输入的语音进行声学特征提取，得到声学特征结果；

对所述声学特征结果进行矢量化压缩，得到矢量化声学特征序列。

9.如权利要求8所述的语音转图像装置，其特征在于，语音输入判别模块具体用于：

对输入的语音进行预处理，获得预处理的语音。

10.如权利要求6所述的语音转图像装置，其特征在于，语音图像匹配模块具体用于

基于隐式马尔科夫的非时序相关模型，计算输入语音的声学特征序列与图片素材对应的声学特征序列的相似度。

11.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5任一所述语音转图像方法。

12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1至5任一所述语音转图像方法的步骤。