一种基于可控情感强度的语音编辑方法及装置

1.一种基于可控情感强度的语音编辑方法，其特征在于，方法包括以下步骤：

2.根据权利要求1所述的一种基于可控情感强度的语音编辑方法，其特征在于，所述预先建立的情感强度感知神经网络模型的后验网络包括说话人个性保持器和情绪评估单元，所述说话人个性保持器用于从所述梅尔谱图中提取说话人基频信息，所述情绪评估单元用于根据所述梅尔谱图提取其蕴含的效价、唤醒度、支配度数值。

3.根据权利要求2所述的一种基于可控情感强度的语音编辑方法，其特征在于，所述说话人个性保持器包括依次连接的多个一维卷积模块和一个全连接模块，其中每个卷积模块均包括依次的卷积、归一化、非线性激活函数三个操作，每个全连接模块包括1个全连接操作。

4.根据权利要求1所述的一种基于可控情感强度的语音编辑方法，其特征在于，所述强度映射器在训练过程中，根据所述效价、唤醒度、支配度生成情感强度伪标签；在推理过程中，通过指定目标情感类别和强度值，生成相应的效价、唤醒度、支配度。

5.根据权利要求4所述的一种基于可控情感强度的语音编辑方法，其特征在于，所述强度映射器的计算过程：

6.根据权利要求1所述的一种基于可控情感强度的语音编辑方法，其特征在于，所述预先建立的情感强度感知神经网络模型的先验网络包括：

7.根据权利要求1所述的一种基于可控情感强度的语音编辑方法，其特征在于，所述内容与节奏特征包括高斯分布的发音均值和发音方差，所述语调特征包括高斯分布的韵律均值和韵律方差，所述潜在中间特征包括高斯分布的中间特征均值和中间特征方差。

8.根据权利要求1所述的一种基于可控情感强度的语音编辑方法，其特征在于，所述解码器包括依次相连接的多个转置卷积操作和多感受野融合模块，其中多感受野融合模块包括依次连接的一维卷积、非线性激活函数及残差结构。

9.一种基于可控情感强度的语音编辑装置，其特征在于，包括：

10.一种终端设备，包括存储器、处理器及存储在存储器中并能够在处理器上运行的计算机程序，其特征在于，所述存储器中存储有能够在处理器上运行的计算机程序，所述处理器加载并执行计算机程序时，采用了权利要求1至8中任一项所述的一种基于可控情感强度的语音编辑方法。