[发明专利]发音特征的提取方法、装置、设备及存储介质

权利要求书

1.一种发音特征的提取方法，其特征在于，所述发音特征的提取方法包括：

接收第一原始语音和第二原始语音，所述第一原始语音和所述第二原始语音为不同发音者录制的语音；

基于预置的目标自然风格转移编码器，提取所述第一原始语音中的初始文本特征，以及提取所述第二原始语音中的初始发音特征；

通过预置的目标对比预测编码器，对所述初始文本特征进行发音特征解耦，得到目标文本特征；

对所述目标文本特征和所述初始发音特征进行合成，得到初始合成语音；

通过所述目标自然风格转移编码器，对所述初始合成语音进行发音特征提取，得到目标发音特征。

2.根据权利要求1所述的发音特征的提取方法，其特征在于，在所述接收第一原始语音和第二原始语音之前，所述发音特征的提取方法还包括：

获取第一样本语音和第二样本语音，所述第一样本语音和所述第二样本语音为同一发音者录制的语音；

初始化预置的初始自然风格转移编码器，并通过所述初始自然风格转移编码器中的内容编码器，对所述第一样本语音进行文本特征提取，得到初始样本文本特征，以及通过所述初始自然风格转移编码器中的说话人编码器，对所述第二样本语音进行发音特征提取，得到初始样本发音特征；

通过预置的初始对比预测编码器，对所述初始样本文本特征进行发音特征解耦，得到目标样本文本特征；

将所述目标样本文本特征和所述初始样本发音特征合成，得到初始样本合成语音；

根据预置的合成损失函数，对所述初始样本合成语音和所述第二样本语音进行损失计算，得到目标损失值；

根据所述目标损失值，生成目标自然风格转移编码器和目标对比预测编码器。

3.根据权利要求2所述的发音特征的提取方法，其特征在于，所述根据预置的合成损失函数，对所述初始样本合成语音和所述第二样本语音进行损失计算，得到目标损失值，包括：

通过所述初始自然风格转移编码器，对所述初始样本合成语音进行发音特征提取，得到目标样本发音特征；

通过预置的样本损失函数，对所述初始样本合成语音和所述第二样本语音进行损失计算，得到第一损失值；

通过预置的发音损失函数，对所述初始样本发音特征和所述目标样本发音特征进行损失计算，得到第二损失值；

通过预置的合成损失函数，对所述第一损失值和所述第二损失值进行总损失计算，得到目标损失值。

4.根据权利要求1所述的发音特征的提取方法，其特征在于，所述基于预置的目标自然风格转移编码器，提取所述第一原始语音中的初始文本特征，以及提取所述第二原始语音中的初始发音特征，包括：

获取预置的目标自然风格转移编码器，所述目标自然风格转移编码器包括内容编码器和说话人编码器，所述内容编码器包括多个第一卷积层、多个归一化层和第一双向长短期记忆层，一个第一卷积层与一个归一化层交替连接，所述说话人编码器包括第二双向长短期记忆层和全连接层；

通过所述多个第一卷积层、所述多个归一化层和所述第一双向长短期记忆层，对所述第一原始语音进行文本特征提取，得到初始文本特征；

通过所述第二双向长短期记忆层和所述全连接层，对所述第二样本语音进行发音特征提取，得到样本发音特征。

5.根据权利要求1所述的发音特征的提取方法，其特征在于，所述通过预置的目标对比预测编码器，对所述初始文本特征进行发音特征解耦，得到目标文本特征，包括：

获取预置的目标对比预测编码器，所述目标对比预测编码器包括多个第二卷积层、多个非线性映射层、多个前向归一化层；

通过所述多个第二卷积层，对所述初始文本特征进行文本特征提取，得到第一文本特征；

通过所述目标对比预测编码器中的多个非线性映射层，对所述第一文本特征进行修正，得到文本增强识别的第二文本特征；

通过所述目标对比预测编码器中的多个前向归一化层，对所述文本增强识别的第二文本特征进行归一化处理，得到目标文本特征。