声音复刻同声传译方法、装置、电子设备及存储介质

本发明提供一种声音复刻同声传译方法、装置、电子设备及存储介质，涉及语音处理技术领域，该方法通过引入声纹转折点检测，可以实时捕获说话人的声纹切换信号，生成声纹转折点信息，从而实现精准的多说话人识别和翻译输出，可以得到准确的当前说话人的音频片段以及翻译文本。而且，利用声纹转折点信息作为触发条件，可以在毫秒级内实现合成语音的生成，即使在多说话人频繁切换的情况下，也可以避免因合成语音的音色切换存在延迟导致的听众的体验割裂。结合当前说话人的音频特征，可以保证合成语音的音色与当前说话人一致，实现当前说话人的声音复刻，增强听众的沉浸感以及语音的可区分性。