[发明专利]语音转图像方法及装置

说明书

本发明公开了一种语音转图像方法及装置，涉及人工智能技术领域，其中该方法包括：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。本发明可以实现高效的语音转图像。

技术领域

本发明涉及人工智能技术领域，尤其涉及语音转图像方法及装置。

背景技术

本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

语音识别是近些年来发展很快的技术，如今语音识别已经被广泛运用到人们日常生活生产之中，通过语音完成文本生成记录、操作指令识别等等。但是在语音与视觉关联应用上却并未摆脱语音识别文字的技术限制，在传统“语音转换图片”场景下还是依赖于语音识别先转换文字，再通过文字转换图片的方式，这样受限于语音识别与自然语言处理技术，效率与效果都不够好，故而提出一种高效的语音转图像系统与方法。

发明内容

本发明实施例提供一种语音转图像方法，用以解决现有技术中语音识别先转换文字，再通过文字转换图片的方式效率与效果都不够好的技术问题，该方法包括：

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。

本发明实施例还提供一种语音转图像装置，用以解决现有技术中语音识别先转换文字，再通过文字转换图片的方式效率与效果都不够好的技术问题，该装置包括：

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。

本发明实施例还提供一种计算机设备，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，所述处理器执行所述计算机程序时实现上述语音转图像方法。

本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述所述语音转图像方法的步骤。