基于人工智能的语音处理方法、装置、计算机设备及介质

本申请属于人工智能技术领域，涉及一种基于人工智能的语音处理方法、装置、计算机设备及存储介质，包括：基于语言转换模型的内容编码器，节奏编码器与音高编码器对待处理语音进行特征提取，得到内容特征、节奏特征与音高特征；基于瓶颈适配器对内容特征、节奏特征与音高特征进行调整，得到指定内容特征、指定节奏特征与指定音高特征；基于一致性模块对指定内容特征进行优化得到目标内容特征；基于目标内容特征、指定节奏特征、指定音高特征及说话人嵌入向量生成目标特征向量；基于扩散模型对目标特征向量进行处理得到目标频谱特征；基于声码器将目标频谱特征转换为合成语音。本申请提高了语音解耦的效率和精度，提升了合成语音的音质。