基于自回归网络的非平行语料语音转换方法及系统

摘要

本发明公开了基于自回归网络的非平行语料语音转换方法及系统，方法包括：S1，音素后延概率抽取，从输入语音中抽取音素后延概率特征；S2，编码阶段，捕获音素后延概率特征中的上下文信息，从而获取融合上下文信息的文本特征表示；S3，利用自适应注意力机制，对当前时刻的文本特征和上一时刻的声学特征进行融合，获取增广的特征表示；S4，解码阶段，基于增广的特征表示，采用长短时记忆网络预测目标说话人的声学特征；S5，语音生成，基于预测的目标说话人的声学特征，利用声码器合成语音；系统包括：音素后延概率抽取模块、编码模块、语音生成模块，以及一组注意力模块和解码模块。