基于文化语义的音色转换方法、装置、设备及介质

本发明涉及人工智能技术领域，可应用于医疗健康领域，公开了一种基于文化语义的音色转换方法、装置、设备及介质，该方法包括：构建包含语义标签与音色特征参数映射关系的文化语义音色库，其中所述语义标签表征目标音色的情感语义，音色特征参数包括音高范围、韵律节奏和谐波结构；基于文本、图像及音频多模态信息的特征提取，获得语义关键词、视觉情感特征和音频声学特征；通过多模态融合深度学习模型对上述特征进行注意力权重融合，并结合语义音色库动态调整模型参数以生成目标音色；最终实现多模态信息到适配音色的智能化转换。通过语义驱动的多模态特征协同优化，解决音色转换机械生硬缺乏情感表达的缺陷，提升了音色表达与语义场景的契合度。