一种语音声纹解耦模型构建方法及系统

本发明公开了一种语音声纹解耦模型构建方法及系统，应用于语音处理和人工智能技术领域。方法包括以下步骤：通过编码器从输入语音中提取连续的潜在特征；利用量化码本将连续的潜在特征量化为离散的文本特征；计算编码器输出与文本特征的差值，得到说话人声纹特征；将文本特征与说话人声纹特征组合，输入解码器生成转换后的语音；分别计算语音的重构损失、隐藏编码损失、声纹一致性损失和对比损失；联合各损失优化编码器、量化码本和解码器，优化方向为最小化重构损失、隐藏编码损失和声纹一致性损失，最大化对比损失。本发明在模型复杂度和性能之间取得了良好平衡，保证了解耦效率。