本申請公開了一種聲學特征的確定方法、裝置、計算機設備及存儲介質，屬于音色轉換技術領域。該方法包括：提取第一語音數據的音素信息和基頻信息，獲取第一語音數據的第一基頻分布信息，基于基頻信息、第一基頻分布信息及第二語音數據的第二基頻分布信息，將基頻信息映射至第二基頻分布信息所在域，得到目標基頻分布信息，將音素信息與目標基頻分布信息輸入目標聲學模型，輸出第二音色的聲學特征。本申請將第一音色的基頻信息映射到第二音色的基頻分布所在域后，輸入目標聲學模型，使目標聲學模型的輸入更符合第二音色的分布，減小了第一音色的基頻分布與第二音色的基頻分布之間的差異，降低了合成異常的可能性，提高了聲學特征的質量和穩定性。

技術領域

本申請涉及音色轉換技術領域，特別涉及一種聲學特征的確定方法、裝置、計算機設備及存儲介質。

背景技術

隨著深度學習的發展，音色轉換領域有了新的進展。音色轉換是對語音數據的音色進行轉換，使得所得到的語音數據從原說話人的音色轉換為目標說話人的音色。音色轉換過程中，需要根據原說話人的語音數據中無關音色的內容信息，合成目標說話人的聲學特征，并通過合成后的聲學特征進行語音重建，以得到目標說話人的語音數據，此時，該處理得到的語音數據與處理前的語音數據具有相同的語音內容，但是音色不同，通過上述過程可以獲知，聲學特征的確定過程是音色轉換技術的研究重點。

相關技術中，在進行聲學特征的確定時，可以通過語音識別系統提取得到原說話人的語音數據中的音素信息和基頻信息，將音素信息和基頻信息作為無關音色的內容信息，直接輸入聲學模型，可以合成目標說話人的聲學特征。

然而，由于原說話人的基頻分布與目標說話人的基頻分布可能差異過大，會導致合成異常，如將女聲轉換為男聲時，女聲音高，男聲音低，合成的聲學特征質量不好，穩定性不高，從而在后續經過語音重建所得到的語音數據會存在顫音。

發明內容

本申請實施例提供了一種聲學特征的確定方法、裝置、計算機設備及存儲介質，能夠解決相關技術中合成的聲學特征質量不好，穩定性不高的問題。所述技術方案如下：

一方面，提供了一種聲學特征的確定方法，所述方法包括：

提取第一語音數據的音素信息和基頻信息，所述第一語音數據為第一音色的語音數據；

基于所述基頻信息，獲取所述第一語音數據的第一基頻分布信息；

基于所述基頻信息、所述第一語音數據的第一基頻分布信息以及第二語音數據的第二基頻分布信息，將所述基頻信息映射至所述第二語音數據的第二基頻分布信息所在域，得到所述第一語音數據的目標基頻分布信息，所述第二語音數據為第二音色的語音數據；

將所述音素信息與所述第一語音數據的目標基頻分布信息輸入目標聲學模型，輸出所述第二音色的聲學特征。

在一種可能實現方式中，所述基于所述基頻信息，獲取所述第一語音數據的第一基頻分布信息，包括：

對所述基頻信息進行均值方差歸一化處理，得到所述第一語音數據的第一基頻分布信息。

在一種可能實現方式中，所述對所述基頻信息進行均值方差歸一化處理，得到所述第一語音數據的第一基頻分布信息，包括：

基于所述基頻信息，確定所述第一語音數據在對數域的基頻分布均值和基頻分布方差，將所述基頻分布均值和所述基頻分布方差作為所述第一語音數據的第一基頻分布信息。

在一種可能實現方式中，所述基于所述基頻信息、所述第一語音數據的第一基頻分布信息以及第二語音數據的第二基頻分布信息，將所述基頻信息映射至所述第二語音數據的第二基頻分布信息所在域，得到所述第一語音數據的目標基頻分布信息之前，所述方法還包括：

獲取所述第二音色的第二語音數據；