买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：清华大学深圳国际研究生院

摘要：本发明提供一种跨说话人语音风格建模方法及计算机可读存储介质，方法包括：构建跨说话人语音风格模型，包括：音频特征提取模块、目标标签分类模块、目标域标签筛选模块、对抗标签分类模块依序连接，用于提取输入音频块的音色特征和风格特征；构建多说话人多风格类别的数据集并采用数据集训练跨说话人语音风格模型直至提取的音色特征和风格特征的误差不再下降；将任意一个说话人标签和一个风格类别标签输入到训练好的跨说话人语音风格模型中与语音合成系统一起得到音色与说话人标签一致、风格与风格标签一致的语音。得到具备跨说话人迁移能力的语音风格模型；通过基于块式组合的音频特征提取机制提高模型对于音色和风格建模结果的鲁棒性。

主权项：1.一种跨说话人语音风格建模方法，其特征在于，包括如下步骤：S1：构建跨说话人语音风格模型，包括：音频特征提取模块、目标标签分类模块、目标域标签筛选模块、对抗标签分类模块依序连接，用于提取输入音频块的音色特征和风格特征；S2：构建多说话人多风格类别的数据集并采用所述数据集训练所述跨说话人语音风格模型直至提取的所述音色特征和所述风格特征的误差不再下降；S3：将任意一个说话人标签和一个风格类别标签输入到训练好的所述跨说话人语音风格模型中与语音合成系统一起得到音色与说话人标签一致、风格与风格标签一致的语音；所述音频特征提取模块包括两个音频特征提取子模块，分别用于获取块级音频特征向量作为输入音频块的音色特征、输入音频块的风格特征，所述音色特征和所述风格特征两者构成了音频特征提取模块的全部输出；所述音频特征提取子模块分别包括：3层卷积神经网络和2层门控循环网络；所述3层卷积神经网络接收音色、风格标签均相同的k条音频组成的音频块，k为音频数量，提取得到k个原始音频特征序列；每个所述原始音频特征序列分别被送入到第1层门控循环网络中，并分别取门控循环网络的最后一个时间步输出，得到k个句级音频特征向量；所述句级音频特征向量以随机顺序拼接在一起，得到长度为k的特征序列；所述特征序列被送入第2层门控循环网络中并取门控循环网络最后一个时间步输出，得到一个块级音频特征向量作为所述音频特征提取子模块的最终输出特征；所述目标标签分类模块包括两个分类器，所述分类器均由2层全连接神经网络组成，分别用于接收所述音色特征、所述风格特征并分别得到输出一个dspker维的说话人身份预测概率向量Pspker、一个dstyle维的语音风格预测概率向量Pstyle；其中，dspker为训练数据集中说话人总人数，dstyle为训练数据集中风格标签类别数目；所述目标域标签筛选模块，包括一个说话人身份筛选机制和一个风格标签筛选机制。

全文数据：

权利要求：

百度查询： 清华大学深圳国际研究生院 一种跨说话人语音风格建模方法及计算机可读存储介质