语音转换方法和装置、存储介质及电子装置制造方法及图纸

本发明专利技术公开了一种语音转换方法和装置、存储介质及电子装置。其中，该方法包括：获取待转换的第一口音的语音数据；提取第一口音的语音数据中的第一语音特征；将第一语音特征转换为第一语音向量；将第一语音向量输入语音识别模型；获取语音识别模型的输出结果中携带的对第一口音的语音数据进行识别转换后所得到的目标口音的目标语音数据。本发明专利技术解决了由于收集与标注带口音训练数据的难度系数高造成的带口音语音识别系统的训练成本高的技术问题。

Speech conversion method and device, storage medium and electronic device

【技术实现步骤摘要】
语音转换方法和装置、存储介质及电子装置
本专利技术涉及计算机领域，具体而言，涉及一种语音转换方法和装置、存储介质及电子装置。
技术介绍
语音识别训练数据的标注成本高，难度大。特别是针对汉语语言中带地方方言口音的训练数据，如四川话、粤语、上海话等。在需要训练一个上述类型的语音识别系统的过程中，需要收集对应的语音数据并对其进行标注，进而导致语音识别系统的训练成本过于昂贵。因此，相关技术中存在由于收集与标注带口音训练数据的难度系数高造成的带口音语音识别系统的训练成本高的问题。针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供了一种语音转换方法和装置、存储介质及电子装置，以至少解决由于收集与标注带口音训练数据的难度系数高造成的带口音语音识别系统的训练成本高的技术问题。根据本专利技术实施例的一个方面，提供了一种语音转换方法，包括：获取待转换的第一口音的语音数据；提取上述第一口音的语音数据中的第一语音特征；将上述第一语音特征转换为第一语音向量；将上述第一语音向量输入语音识别模型，其中本文档来自技高网...

【技术保护点】
1.一种语音转换方法，其特征在于，包括：/n获取待转换的第一口音的语音数据；/n提取所述第一口音的语音数据中的第一语音特征；/n将所述第一语音特征转换为第一语音向量；/n将所述第一语音向量输入语音识别模型，其中，所述语音识别模型为对多个样本语音数据进行机器训练的神经网络模型，用于将所述样本语音数据转换为目标口音的语音数据，所述多个样本语音数据为实际场景中产生的不同口音的语音数据；/n获取所述语音识别模型的输出结果中携带的对所述第一口音的语音数据进行识别转换后所得到的所述目标口音的目标语音数据。/n

【技术特征摘要】
1.一种语音转换方法，其特征在于，包括：
获取待转换的第一口音的语音数据；
提取所述第一口音的语音数据中的第一语音特征；
将所述第一语音特征转换为第一语音向量；
将所述第一语音向量输入语音识别模型，其中，所述语音识别模型为对多个样本语音数据进行机器训练的神经网络模型，用于将所述样本语音数据转换为目标口音的语音数据，所述多个样本语音数据为实际场景中产生的不同口音的语音数据；
获取所述语音识别模型的输出结果中携带的对所述第一口音的语音数据进行识别转换后所得到的所述目标口音的目标语音数据。


2.根据权利要求1所述的方法，其特征在于，在所述获取待转换的第一口音的语音数据之前，还包括：
获取所述多个样本语音数据，其中，所述多个样本语音数据中包括至少两个口音的语音数据；
提取所述多个样本语音数据中每个样本语音数据的样本语音特征；
将每个所述样本语音数据的所述样本语音特征依次输入初始分类模型进行机器训练，以得到口音分类模型，其中，所述口音分类模型用于区分所述样本语音数据的口音类型，所述口音分类模型的输出结果包括：所述样本语音数据的所述口音类型为所述目标口音，所述样本语音数据的所述口音类型并非所述目标口音。


3.根据权利要求2所述的方法，其特征在于，在所述获取所述多个样本语音数据之后，还包括：
从所述多个样本语音数据中获取待测样本语音数据；
提取所述至少一个待测样本语音数据中每个待测样本语音数据的待测样本语音特征；
将所述待测样本语音特征依次输入特征转换网络模型，以得到待测样本语音向量；
依次将所述待测样本语音向量输入所述语音识别模型。


4.根据权利要求3所述的方法，其特征在于，依次将所述待测样本语音向量输入所述语音识别模型包括：
重复执行以下步骤，直至得到所述语音识别模型：
获取当前待测样本语音向量；
将所述当前待测样本语音向量输入当前语音识别模型，得到当前输出结果；
比对所述当前输出结果及与所述当前待测样本语音向量匹配的标签语音向量，得到识别错误比例；
在所述识别错误比例未达到收敛条件的情况下，根据所述识别错误比例调整所述当前语音识别模型中的识别参数，以更新所述当前语音识别模型；
获取下一个待测样本语音向量作为所述当前待测样本语音向量。


5.根据权利要求4所述的方法，其特征在于，在所述比对所述当前输出结果及与所述当前待测样本语音向量匹配的标签语音向量，得到识别错误比例之后，包括：
在连续多个所述识别错误比例均小于目标阈值的情况下，确定所述识别错误比例达到所述收敛条件。


6.一种语音转换装置，其特征在于，包括：
第一获取单元，用于获取待转换的第一口音的语音数据；
第一提取单元，用于提取所述第一口音的语音数据中的第一语音特征；
转换单元，用于将所述第一语音特征转换为第一语音向量；
第一输入单元，用于将所述第一语音向量输入语音识别模型，其中，所述语音识别模型为对多个样本语音数据进行机器训练的神经网络模型，用于将所述样本语...

【专利技术属性】
技术研发人员：刘洋，唐大闰，吴明辉，
申请(专利权)人：秒针信息技术有限公司，
类型：发明
国别省市：北京;11