[发明专利]语音处理方法、系统、设备及存储介质

权利要求书

1.一种语音处理方法，所述方法包括：

获取语音信号和说话人向量，其中，所述语音信号包括时域分辨率；

根据所述语音信号得到梅尔谱数据；

将所述梅尔谱数据导入预设的声码器网络结构中的第一卷积层进行提取处理，得到初始隐状态数据，所述声码器网络结构包括所述第一卷积层、上采样层、残差层和第二卷积层，其中，所述第一卷积层的通道数量与所述第二卷积层的通道数量不同；

在所述初始隐状态数据经过所述上采样层的上采样处理，得到降维隐状态数据的情况下，将所述说话人向量和所述降维隐状态数据导入所述残差层进行合成处理，得到混合数据，其中，所述降维隐状态数据的序列长度与所述时域分辨率一致；

将所述混合数据导入所述第二卷积层进行降维处理，得到语音波形。

2.根据权利要求1所述的语音处理方法，其特征在于，所述将所述说话人向量和所述降维隐状态数据导入所述残差层进行合成处理，得到混合数据，包括：

根据预设的激活函数，对所述说话人向量和所述降维隐状态数据进行计算，得到综合映射数据；

根据所述综合映射数据和所述降维隐状态数据，得到混合数据。

3.根据权利要求2所述的语音处理方法，其特征在于，所述根据预设的激活函数，对所述说话人向量和所述降维隐状态数据进行计算，得到综合映射数据，包括：

将所述降维隐状态数据与说话人卷积量进行叠加处理，得到初始混合数据；

将所述初始混合数据导入预设的第一激活函数进行计算，得到第一映射数据；将所述初始混合数据导入预设的第二激活函数进行计算，得到第二映射数据；

将所述第一映射数据和所述第二映射数据进行矩阵点乘计算，得到综合映射数据；

其中，所述说话人卷积量表征为所述说话人向量经过一维卷积计算得到的数值。

4.根据权利要求2所述的语音处理方法，其特征在于，根据所述综合映射数据和所述降维隐状态数据，得到混合数据，包括：

将所述综合映射数据经过一维卷积计算得到的数值与降维隐状态卷积量进行叠加处理，得到混合数据；

其中，所述降维隐状态卷积量表征为所述降维隐状态数据经过一维卷积计算得到的数值。

5.根据权利要求1所述的语音处理方法，其特征在于，所述上采样层和所述残差层设置有多个，所述上采样层的数量与所述残差层的数量一一对应且所述上采样层与所述残差层依次连接；

所述在所述初始隐状态数据经过所述上采样层的上采样处理，得到降维隐状态数据的情况下，将所述说话人向量和所述降维隐状态数据导入所述残差层进行合成处理，得到混合数据，包括：

在所述降维隐状态数据的序列长度与所述时域分辨率不一致的情况下，将所述混合数据导入下一个上采样层进行上采样处理，得到新的降维隐状态数据；

将所述说话人向量和新的降维隐状态数据导入下一个残差层进行合成处理，得到新的混合数据，直至新的降维隐状态数据的序列长度与所述时域分辨率一致。

6.根据权利要求1所述的语音处理方法，其特征在于，所述第一卷积层包括多个一维卷积层，所述一维卷积层的卷积核的尺寸为7，步长为1，通道数量为512。

7.根据权利要求1所述的语音处理方法，其特征在于，所述根据所述语音信号得到梅尔谱数据，包括：

对所述语音信号进行短时傅里叶变换计算处理，得到语音幅度谱；

利用80维梅尔滤波器组对所述语音幅度谱进行滤波处理，得到梅尔谱数据。