专利交易市场

本发明公开了一种基于beta‑VAE的多对多语音转换方法，通过引入可调节参数β和C，完成对变分自动编码器(VAE)框架的修改，在提高隐变量解纠缠能力的同时，也改善其在瓶颈层编码能力不足的问题，实现多说话人对多说话人的语音转换。本方法解决了现有VAE网络中隐变量对语音数据的表征能力不足并且很难拓展到更为复杂的语音数据的不足，较好地提升转换后的语音质量，有效的提高转换的性能。并且本方法解除对平行文本的依赖，训练过程不需要任何对齐操作，还可以将多个源‑目标说话人对的转换系统整合在一个转换模型中，即实现多对多的转换。

本申请涉及人工智能中的语音处理，提供一种语音转换方法、装置、服务器及存储介质，该方法包括：获取训练样本数据，训练样本数据包括第一样本对或第二样本对；若训练样本数据为第一样本对，则将第一语音数据输入语音编码器，得到语音特征向量，并将第二语音数据输入情绪编码器，得到第一情绪特征向量；将语音特征向量和第一情绪特征向量输入特征转换层，得到第一线性谱图和第一梅尔谱图；根据第一线性谱图和第一梅尔谱图，更新语音转换模型的模型参数，直至语音转换模型收敛；将待转换的目标语音数据以及表征目标情绪的参考语音数据输入收敛的语音转换模型，得到目标语音信号。本申请能够提高语音转换的准确度。