一种语音转换方法、存储介质、电子设备及程序产品

本申请提供一种语音转换方法、存储介质、电子设备及程序产品。涉及人工智能技术领域。本申请在进行语音转换时，可以先确定反应源语音语义内容的多维聚类情况的离散目标标签，使源语音的语义编码特征反应源语音的关键语义信息而不包含音色信息。从而使语音转换模型可以直接基于分离的语义特征与音色特征进行语音转换。基于上述转换过程，本申请创造性地将语音转换模型配置为根据样本语音基于样本自身音色的重建情况训练的机器学习模型。即前述语音转换模型在训练时可以直接基于样本语音进行重建并基于重建情况与实际情况的差异进行参数迭代，以使模型的训练数据无需进行人工标注，整个训练过程可以无监督进行。