申请/专利权人:深圳麦风科技有限公司
申请日:2023-09-21
公开(公告)日:2023-10-27
公开(公告)号:CN116959422A
主分类号:G10L15/02
分类号:G10L15/02;G10L15/07;G10L15/16;G10L19/02
优先权:
专利状态码:有效-授权
法律状态:2023.11.24#授权;2023.11.14#实质审查的生效;2023.10.27#公开
摘要:本发明涉及音频处理领域,公开了一种多对多的实时语音变音方法、设备及存储介质。该方法包括:检测到变声处理请求时,根据变声处理请求,获取待变声的音频数据流,并根据变声处理请求,确定待变目标的预设音色音频;提取音频数据流的768维网络特征,提取预设音色音频的梅尔特征信息,并提取预设音色音频的音色编码特征;根据预先训练的多头注意力模型,对768维网络特征、梅尔特征信息以及音色编码特征执行特征交叉操作,得到目标音频特征;将目标音频特征翻译成时域音频波形能量数据;根据时域音频波形能量数据,执行语音增强操作,以响应变声处理请求。本发明使得计算资源较为有限的设备使用实时变声技术的实时性变高。
主权项:1.一种多对多的实时语音变音方法,其特征在于,所述多对多的实时语音变音方法包括:检测到变声处理请求时,根据所述变声处理请求,获取待变声的音频数据流,并根据所述变声处理请求,确定待变目标的预设音色音频;提取所述音频数据流的768维网络特征,提取所述预设音色音频的梅尔特征信息,并提取所述预设音色音频的音色编码特征;根据预先训练的多头注意力模型,对所述768维网络特征、所述梅尔特征信息以及所述音色编码特征执行特征交叉操作,得到目标音频特征;将所述目标音频特征翻译成时域音频波形能量数据;根据所述时域音频波形能量数据,执行语音增强操作,以响应所述变声处理请求。
全文数据:
权利要求:
百度查询: 深圳麦风科技有限公司 多对多的实时语音变音方法、设备及存储介质
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。