一种基于音高的语音转换模型训练方法及语音转换系统

专利主权项内容

1.一种基于音高的语音转换模型训练方法，用于训练语音转换模型，所述语音转换模型包括，先验编码器、后验编码器、时序对齐模块、解码器和音高提取模块，其特征在于，包括：将参考语音输入至所述先验编码器和所述音高提取模块，以通过所述先验编码器提取音频特征编码，以及，通过所述音高提取模块提取音高特征；将所述音频特征编码和所述音高特征执行特征拼接，得到语音拼接特征；将所述参考语音对应的线性谱输入至所述后验编码器中，得到音频隐变量；通过所述时序对齐模块对齐所述语音拼接特征和所述音频隐变量的时序序列，得到转换语音编码；通过所述解码器解码所述转换语音编码得到转换后的语音；计算所述转换后的语音的训练损失，如果所述训练损失小于或等于训练损失阈值，则根据待训练模型的当前参数输出语音转换模型，如果所述训练损失大于训练损失阈值则对所述语音转换模型执行迭代训练，所述待训练模型为未训练收敛的语音合成模型。