[发明专利]一种语音数据获取方法、装置、电子设备和存储介质

权利要求书

1.一种语音数据获取方法，其特征在于，包括：

获取多个说话人的录音数据；

将所述多个说话人的录音数据作为训练数据，训练获得每个说话人对应的声音克隆合成模型；

获取语音任务所需语音数据的文本信息；

利用所述每个说话人的声音克隆合成模型生成所述文本信息对应的语音数据；

保存生成的全部语音数据，作为所述语音任务所需的语音数据。

2.根据权利要求1所述的一种语音数据获取方法，其特征在于，所述录音数据包括说话人的语音和文本信息。

3.根据权利要求1或2所述的一种语音数据获取方法，其特征在于，将所述多个说话人的录音数据作为训练数据，训练获得每个说话人对应的声音克隆合成模型的步骤包括：

提取所述说话人的语音中的梅尔频谱特征，并将所述文本信息转换为音素序列，将获得的梅尔频谱特征和音素序列作为待训练的声音克隆合成模型的输入，以学习获得每个说话人对应的声音克隆合成模型。

4.一种语音数据获取装置，其特征在于，包括：

第一模块，被配置为获取多个说话人的录音数据；

第二模块，被配置为将所述多个说话人的录音数据作为训练数据，训练获得每个说话人对应的声音克隆合成模型；

第三模块，被配置为获取语音任务所需语音数据的文本信息；

第四模块，被配置为利用所述每个说话人的声音克隆合成模型生成所述文本信息对应的语音数据；

第五模块，被配置为保存生成的全部语音数据，作为所述语音任务所需的语音数据。

5.根据权利要求4所述的一种语音数据获取装置，其特征在于，所述录音数据包括说话人的语音和文本信息。

6.根据权利要求4或5所述的一种语音数据获取装置，其特征在于：

所述第二模块被进一步配置为提取所述说话人的语音中的梅尔频谱特征，并将所述文本信息转换为音素序列，将获得的梅尔频谱特征和音素序列作为待训练的声音克隆合成模型的输入，以学习获得每个说话人对应的声音克隆合成模型。

7.一种电子设备，其特征在于，所述电子设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如下步骤：获取多个说话人的录音数据；将所述多个说话人的录音数据作为训练数据，训练获得每个说话人对应的声音克隆合成模型；获取语音任务所需语音数据的文本信息；利用所述每个说话人的声音克隆合成模型生成所述文本信息对应的语音数据；保存生成的全部语音数据，作为所述语音任务所需的语音数据。

8.根据权利要求7所述的一种电子设备，其特征在于，所述录音数据包括说话人的语音和文本信息。

9.根据权利要求7或8所述的一种电子设备，其特征在于，所述一个或多个处理器进一步实现如下步骤：

提取所述说话人的语音中的梅尔频谱特征，并将所述文本信息转换为音素序列，将获得的梅尔频谱特征和音素序列作为待训练的声音克隆合成模型的输入，以学习获得每个说话人对应的声音克隆合成模型。

10.一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如下步骤：

获取多个说话人的录音数据；

将所述多个说话人的录音数据作为训练数据，训练获得每个说话人对应的声音克隆合成模型；

获取语音任务所需语音数据的文本信息；

利用所述每个说话人的声音克隆合成模型生成所述文本信息对应的语音数据；

保存生成的全部语音数据，作为所述语音任务所需的语音数据。