语音处理方法、装置、计算机设备和存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114220436A(43)申请公布日2022.03.22(21)申请号202111540425.8G10L13/04(2013.01)(22)申请日2021.12.16G10L13/047(2013.01)(71)申请人游密科技（深圳）有限公司地址518051广东省深圳市南山区粤海街道科技园社区科苑路16号东方科技大厦2401(72)发明人崔洋洋余俊澎王星宇(74)专利代理机构华进联合专利商标代理有限公司44224代理人郑义(51)Int.Cl.G10L15/26(2006.01)G10L15/00(2013.01)G10L15/02(2006.01)G10L15/16(2006.01)权利要求书2页说明书13页附图7页(54)发明名称语音处理方法、装置、计算机设备和存储介质(57)摘要本申请涉及一种语音处理方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取源说话者的源语音；对所述源语音进行语音识别，得到待转换语言文本；提取所述待转换语言文本对应的第一文本特征；基于所述第一文本特征确定所述待转换语言文本的源语言种类；根据所述源语言种类以及预设的目标语言种类对所述待转换语言文本进行翻译，得到目标语言文本；根据所述目标语言文本生成目标说话者的目标语音。采用本方法能够在源说话者和目标说话者使用的语言种类不同时，也可以将源说话者的语音转化为目标说话者的语音。CN114220436ACN114220436A权利要求书1/2页1.一种语音处理方法，其特征在于，所述方法包括：获取源说话者的源语音；对所述源语音进行语音识别，得到待转换语言文本；提取所述待转换语言文本对应的第一文本特征；基于所述第一文本特征确定所述待转换语言文本的源语言种类；根据所述源语言种类以及预设的目标语言种类对所述待转换语言文本进行翻译，得到目标语言文本；根据所述目标语言文本生成目标说话者的目标语音。2.根据权利要求1所述的方法，其特征在于，所述对所述源语音进行语音识别，得到待转换语言文本包括：对所述源语音进行分帧处理，得到至少两个音频帧；分别获取各所述音频帧对应的语音特征；通过声学模型对所述语音特征进行处理，得到各所述音频帧对应的音素；基于与所述音素匹配的文字生成待转换语言文本。3.根据权利要求2所述的方法，其特征在于，所述通过声学模型对所述语音特征进行处理，得到各所述音频帧对应的音素包括：针对每个所述音频帧对应的语音特征，通过声学模型对所述语音特征进行处理，得到所述音频帧与各音素间的匹配概率；基于所述匹配概率，从各所述音素中选取每个所述音频帧对应的音素。4.根据权利要求1所述的方法，其特征在于，所述基于所述第一文本特征确定所述待转换语言文本的源语言种类包括：获取各语言字典对应的第二文本特征；确定所述第一文本特征与各所述第二文本特征间的相似度；基于所述相似度，从所述语言字典中选取目标语言字典；将所述目标语言字典对应的语言种类作为所述源语言种类。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：根据所述源语言种类对所述待转换语言文本进行评分，得到所述待转换语言文本对应的分值；当所述分值小于或等于预设值时，对所述源语言种类进行调整，得到调整后的所述源语言种类；所述根据所述源语言种类以及预设的目标语言种类对所述待转换语言文本进行翻译，得到目标语言文本包括：根据调整后的所述源语言种类以及预设的目标语言种类对所述待转换语言文本进行翻译，得到目标语言文本。6.根据权利要求1所述的方法，其特征在于，所述根据所述源语言种类以及预设的目标语言种类对所述待转换语言文本进行翻译，得到目标语言文本包括：当所述源语言种类以及所述目标语言种类满足搜索条件时，通过从数据库中调取的翻译字典或者翻译模型对所述待转换语言文本进行翻译，得到目标语言文本；当所述源语言种类以及所述目标语言种类不满足搜索条件时，通过翻译程序对所述待2CN114220436A权利要求书2/2页转换语言文本进行翻译，得到目标语言文本。7.一种语音处理装置，其特征在于，所述装置包括：获取模块，用于获取源说话者的源语音；识别模块，用于对所述源语音进行语音识别，得到待转换语言文本；提取模块，用于提取所述待转换语言文本对应的第一文本特征；确定模块，用于基于所述第一文本特征确定所述待转换语言文本的源语言种类；翻译模块，用于根据所述源语言种类以及预设的目标语言种类对所述待转换语言文本进行翻译，得到目标语言文本；生成模块，用于根据所述目标语言文本生成目标说话者的目标语音。8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。9.一种计算机可读存