龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：清华大学深圳国际研究生院
申请日：2024-04-07
公开（公告）日：2024-06-14
公开（公告）号：CN118197329A
主分类号：G10L21/007
分类号：G10L21/007;G10L19/18;G10L25/18
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.07.02#实质审查的生效;2024.06.14#公开
摘要：一种基于语音转换的音色生成方法，包括：使用基于变分自编码器VAE的说话人编码器处理输入的原始声学特征，以提取说话人嵌入向量，并将说话人嵌入向量映射到一个连续的潜在空间中；基于说话人嵌入向量，使用基于HuBERT的软语音单元作为内容编码器，通过对训练数据进行推理和重新聚类获取新的聚类序列，并对聚类序列进行预测，以生成与语言内容相关的声学特征表示；利用说话人特征的表示，通过对抗训练，利用变分自编码器中的经验后验分布和阶乘后验分布，训练判别器以降低其区分生成的数据点和重采样的数据点的能力；基于经过对抗训练调整的说话人特征表示，使用解码器生成目标音色的声学特征信息。
主权项：1.一种基于语音转换的音色生成方法，其特征在于，包括如下步骤：S1、使用基于变分自编码器VAE的说话人编码器处理输入的原始声学特征，以提取说话人嵌入向量，并将说话人嵌入向量映射到一个连续的潜在空间中；S2、基于所述说话人嵌入向量，使用基于HuBERT的软语音单元作为内容编码器，通过对训练数据进行推理和重新聚类获取新的聚类序列，并对所述聚类序列进行预测，以生成与语言内容相关的声学特征表示；S3、利用说话人嵌入向量和与语言内容相关的声学特征表示，通过对抗训练，利用所述变分自编码器中的经验后验分布和阶乘后验分布，训练判别器以降低其区分生成的数据点和重采样的数据点的能力；其中，通过对抗训练调整变分自编码器的参数，以提高模型对说话人特征和内容特征的独立建模能力，并增强特征表示的解耦性；S4、将经过对抗训练调整的说话人嵌入向量和与语言内容相关的声学特征表示进行拼接，使用解码器生成目标音色的声学特征信息，从而合成最终的目标音频。
全文数据：
权利要求：
百度查询： 清华大学深圳国际研究生院 一种基于语音转换的音色生成方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号