[发明专利]语音合成方法及语音合成模型的训练方法、装置、设备

说明书

公开了一种语音合成方法及语音合成模型的训练方法、装置、设备。本公开的一实施例中，语音合成方法可以包括：对待合成的第一文本进行文本编码，获得第一合成特征；对第一声学特征进行声学编码，获得第二合成特征；对所述第一合成特征、第二合成特征和预先选定的发音人标识信息进行对齐处理，获得第三合成特征；以及，对所述第三合成特征进行声学解码，获得所述第一文本的第二声学特征。本公开实施例通过一语音合成模型即可实现多发音人的语音合成。

技术领域

本公开涉及语音合成技术领域，尤其涉及一种语音合成方法及语音合成模型的训练方法、装置、设备。

背景技术

随着智能化设备的普及以及语音识别技术的发展，人们的交互方式已经从传统的文本转向了更人性化的语音交互方式。语音合成技术能够让机器拥有人类的声音，改变了传统的文字交互方式。主流的语音合成方法主要包含 2个步骤：文本转声学特征，即声学模型；声学特征转音频，即语音解码器；其中声学模型对语音合成的正确性影响较大，决定了合成音频的音调和准确性，该模型如果设计的不好，会导致合成结果出现多字、丢字、音调异常等问题。基于神经网络的声学模型可以合成比传统的隐马尔科夫模型(HMM 模型)更接近真实声学特征的结果。

发明内容

相关技术中的语音合成模型无法合成多种发音人的语音。为解决该技术问题，本公开实施例期望提供一种语音合成方法及其使用的语音合成模型的训练方法、装置、设备，能够实现多发音人的语音合成。

根据本公开的一个方面，提供了一种语音合成方法，包括：

对待合成的第一文本进行文本编码，获得第一合成特征；

对第一声学特征进行声学编码，获得第二合成特征；

对所述第一合成特征、第二合成特征和预先选定的发音人标识信息进行对齐处理，获得第三合成特征；以及

对所述第三合成特征进行声学解码，获得所述第一文本的第二声学特征。

根据本公开的一个方面，提供了一种语音合成模型的训练方法，包括：

设置语音合成模型中的语音合成参数为当前值，所述语音合成参数至少包括如下之一：文本编码参数、声学编码参数和声学解码参数；

利用作为训练样本的第二文本及其真实声学特征执行所述语音合成模型的语音合成，获得所述第二文本的预测声学特征，所述语音合成模型的语音合成包括依次执行的文本编码、声学编码、对齐处理和声学解码；以及

根据所述对齐处理所产生的对齐训练特征、所述第二文本的真实声学特征和所述预测声学特征，调整所述语音合成参数的取值。

根据本公开的一个方面，提供了一种语音合成装置，包括：

文本编码单元，配置为对待合成的第一文本进行文本编码，获得第一合成特征；

声学编码单元，配置为对第一声学特征进行声学编码，获得第二合成特征；

对齐处理单元，配置为对所述第一合成特征、第二合成特征和预先选定的发音人标识信息进行对齐处理，获得第三合成特征；

声学解码单元，配置为对所述第三合成特征进行声学解码，获得所述第一文本的第二声学特征。

根据本公开的一个方面，提供了一种电子设备，包括：一个或多个处理器；以及，存储器，存储有计算机程序，所述计算机程序在被所述处理器运行时使所述处理器执行上述语音合成的方法和/或语音合成模型的训练方法。

根据本公开的一个方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在被处理器运行时使得所述处理器执行上述语音合成的方法和/或语音合成模型的训练方法。