[发明专利]一种基于变分自编码器的语音刺激连续统合成方法及装置有效
| 申请号： | 202110841392.4 | 申请日： | 2021-07-26 |
| 公开（公告）号： | CN113299267B | 公开（公告）日： | 2021-10-15 |
| 发明（设计）人： | 解焱陆;李柱;张劲松 | 申请（专利权）人： | 北京语言大学 |
| 主分类号： | G10L13/02 | 分类号： | G10L13/02;G10L13/04;G06N3/04 |
| 代理公司： | 北京市广友专利事务所有限责任公司 11237 | 代理人： | 张仲波;邓琳 |
| 地址： | 100083*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 编码器 语音 刺激 连续 统合 成方 装置 | ||
1.一种基于变分自编码器的语音刺激连续统合成方法，其特征在于，包括以下步骤：
S1、从原始语音信号中提取关键声学线索；
所述步骤S1中，使用WORLD声码器提取基频作为关键声学线索，并对提取的基频包络进行归一化预处理；
S2、基于变分自编码器进行关键声学线索建模，并进行训练；
所述步骤S2中，变分自编码器的编码和解码都采用带有门控结构的全卷积神经网络对所述关键声学线索进行建模；
S3、利用训练好的关键声学线索模型合成语音连续统；
所述步骤S3包括：
给定两个语音刺激范畴，提取两个语音刺激范畴的关键声学线索；
将提取的两个关键声学线索送入训练好的关键声学线索模型，通过所述关键声学线索模型学习两个关键声学线索对应的隐空间分布；
在两个隐空间分布之间进行连续重采样，得到两个关键声学线索之间逐渐过渡的语音刺激样本；
通过WORLD声码器将所述语音刺激样本还原回波形信号。
2.一种基于变分自编码器的语音刺激连续统合成装置，其特征在于，包括：
提取模块，用于从原始语音信号中提取关键声学线索；
所述提取模块中，使用WORLD 声码器提取基频作为关键声学线索，并对提取的基频包络进行归一化预处理；
模型建立模块，用于基于变分自编码器进行关键声学线索建模，并进行训练；
所述模型建立模块中，变分自编码器的编码和解码都采用带有门控结构的全卷积神经网络对所述关键声学线索进行建模；
合成模块，用于利用训练好的关键声学线索模型合成语音连续统；
所述合成模块具体用于：
给定两个语音刺激范畴，提取两个语音刺激范畴的关键声学线索；
将提取的两个关键声学线索送入训练好的关键声学线索模型，通过所述关键声学线索模型学习两个关键声学线索对应的隐空间分布；
在两个隐空间分布之间进行连续重采样，得到两个关键声学线索之间逐渐过渡的语音刺激样本；
通过WORLD声码器将所述语音刺激样本还原回波形信号。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京语言大学，未经北京语言大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202110841392.4/1.html，转载请声明来源钻瓜专利网。
