[发明专利]语音合成方法、相关设备及可读存储介质

权利要求书

1.一种语音合成方法，其特征在于，包括：

获取待进行语音合成的文本；

确定所述文本对应的情感编码，所述情感编码用于指示语音合成的情感强度；

基于所述情感编码，确定所述文本的语音合成参数；

对所述文本的语音合成参数进行语音合成处理，得到所述文本对应的语音。

2.根据权利要求1所述的方法，其特征在于，所述确定所述文本对应的情感编码，包括：

将所述文本输入文本情感编码识别模型，得到所述文本对应的情感编码，所述文本情感编码识别模型为利用标注有情感编码的情感识别训练文本预训练得到。

3.根据权利要求1所述的方法，其特征在于，确定所述文本对应的情感编码，包括：

获取所述文本对应的预设定的初始情感编码；

基于所述初始情感编码，确定所述文本对应的情感编码。

4.根据权利要求3所的方法，其特征在于，所述基于所述初始情感编码，确定所述文本对应的情感编码，包括：

将所述初始情感编码作为所述文本对应的情感编码；

或，

获取情感强度信息，所述情感强度信息用于指示用户对待合成语音的情感强度需求；

基于所述情感强度信息，利用插值方法对所述初始情感编码进行调整，调整后的情感编码作为所述文本对应的情感编码。

5.根据权利要求3或4所述的方法，其特征在于，所述获取所述文本对应的预设定的初始情感编码，包括：

获取所述文本对应的情感标签；

基于预设定的情感标签与情感编码的对应关系，确定与所述情感标签对应的情感编码，作为所述文本对应的初始情感编码。

6.根据权利要求1所述的方法，其特征在于，所述基于所述情感编码，确定所述文本的语音合成参数，包括：

获取所述文本的文本单元序列；

将所述情感编码和所述文本单元序列输入融合模型，得到融合模型输出的所述文本的语音合成参数，其中，融合模型以训练语音的情感编码，和训练语音对应文本的文本单元序列为训练样本，以训练语音对应文本的标注语音合成参数为样本标签训练得到。

7.根据权利要求6所述的方法，其特征在于，所述将所述情感编码和所述文本单元序列输入融合模型，得到融合模型输出的所述文本的语音合成参数，包括：

将所述情感编码和所述文本单元序列输入融合模型的时长模型，基于情感编码对所述时长模型的激活函数的调整权重，得到所述文本的语音合成参数中的时长参数；

将所述情感编码和所述文本单元序列输入融合模型的声学模型，基于情感编码对所述声学模型的激活函数的调整权重，得到所述文本的语音合成参数中的声学参数；

其中，所述情感编码对所述时长模型的激活函数的调整权重以及情感编码对所述声学模型的激活函数的调整权重，是以所述时长模型输出的时长参数趋近于训练语音对应文本的标注时长参数，且所述声学模型输出的声学参数趋近于训练语音对应文本的标注声学参数为训练目标，训练得到的。

8.一种语音合成装置，其特征在于，包括：

获取单元，用于获取待进行语音合成的文本；

情感编码确定单元，用于确定所述文本对应的情感编码，所述情感编码用于指示语音合成的情感强度；

语音合成参数确定单元，用于基于所述情感编码，确定所述文本的语音合成参数；

语音合成处理单元，用于对所述文本的语音合成参数进行语音合成处理，得到所述文本对应的语音。

9.一种语音合成设备，其特征在于，包括存储器和处理器；

所述存储器，用于存储程序；

所述处理器，用于执行所述程序，实现如权利要求1至7中任一项所述的语音合成方法的各个步骤。

10.一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1至7中任一项所述的语音合成方法的各个步骤。