一种基于内容相关的帧级说话人声纹建模的语音匿名化方法

本发明公开了一种基于内容相关的帧级说话人声纹建模的语音匿名化方法，使用自动语音识别声学模型从源语音和参考语音中提取瓶颈特征作为语义内容的表征；引入注意力模块对齐参考语音和源语音之间的内容向量；从参考语音中提取梅尔频谱图，通过说话人声纹编码器，得到帧级伪说话人声纹表征，然后作为键值输入到所引入的注意力模块，通过注意力机制实现参考语音中的声纹嵌入的加权和；将从源语音中提取的语义内容向量和基频值，以及目标语音中的帧级伪说话人声纹表征，一起输入到语音生成的解码器中，生成匿名语音。该方法能使匿名化语音更彻底地去除说话人的个人身份信息，提升伪说话人语音的独特性，提升合成语音的质量与可理解性。