[发明专利]语音合成方法、装置、设备和存储介质

说明书

本发明实施例提供一种语音合成方法、装置、设备和存储介质，该方法包括：响应于用户触发的交互行为，获取与该交互行为对应的文本内容和目标用户的标识信息；确定文本内容对应的语言学特征；将语言学特征和目标用户的标识信息输入到语音合成模型中，以通过语音合成模型获得目标用户与文本内容对应的声学特征；根据该声学特征生成目标用户与该文本内容对应的语音信号并输出。通过该方案，可以实现以特定某人的声音与某用户进行个性化的语音交互的目的。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种语音合成方法、装置、设备和存储介质。

背景技术

随着人工智能技术的发展，各种支持语音交互的应用程序层出不穷，比如各种问答机器人、智能音箱，等等。

以问答机器人为例，响应于用户的问题语音，问答机器人可以向用户输出应答语音。目前，问答机器人输出的各种应答语音往往都是具有统一的声学特征的，互动性较差。

发明内容

本发明实施例提供一种语音合成方法、装置、设备和存储介质，可以实现个性化的语音交互目的。

第一方面，本发明实施例提供一种语音合成方法，该方法包括：

响应于用户触发的交互行为，获取与所述交互行为对应的文本内容和目标用户的标识信息；

确定所述文本内容对应的语言学特征；

将所述语言学特征和所述目标用户的标识信息输入到语音合成模型中，以通过所述语音合成模型获得所述目标用户与所述文本内容对应的声学特征；

根据所述声学特征，生成与所述文本内容对应的语音信号，以输出所述语音信号。

第二方面，本发明实施例提供一种语音合成装置，该装置包括：

第一获取模块，用于响应于用户触发的交互行为，获取与所述交互行为对应的文本内容和目标用户的标识信息；

确定模块，用于确定所述文本内容对应的语言学特征；

第二获取模块，用于将所述语言学特征和所述目标用户的标识信息输入到语音合成模型中，以通过所述语音合成模型获得所述目标用户与所述文本内容对应的声学特征；

生成模块，用于根据所述声学特征，生成与所述文本内容对应的语音信号，以输出所述语音信号。

第三方面，本发明实施例提供一种电子设备，包括：存储器、处理器；其中，所述存储器上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器至少可以实现如第一方面所述的语音合成方法。

本发明实施例提供了一种非暂时性机器可读存储介质，所述非暂时性机器可读存储介质上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器至少可以实现如第一方面所述的语音合成方法。

在本发明实施例中，当希望以目标用户(如用户B)的声音向某用户(如用户A)输出对应于某文本内容的语音信号时，先确定该文本内容对应的语言学特征，进而，将该语言学特征和目标用户的标识信息输入到语音合成模型中，以通过语音合成模型获得目标用户与该文本内容对应的声学特征。其中，该语音合成模型已经学习到了目标用户的声学特征。最终，语音合成模型输出的根据声学特征，通过声码器(vocoder)生成与文本内容对应的语音信号。通过该方案，可以实现以特定某人的声音与某用户进行个性化的语音交互的目的。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种语音合成方法的流程图；