[发明专利]方言语音合成方法、装置、电子设备和可读存储介质

权利要求书

1.一种方言语音合成方法，其特征在于，所述方法包括：

获取输入文本；

确定所述输入文本中至少一个字的发音向量，所述发音向量至少包括对应字的韵律信息；

确定各所述发音向量对应的发音时长以及方言音调，所述发音时长用于表征发音的持续时长，所述方言音调用于表征发音的音高；以及

基于所述发音向量、所述发音时长以及所述方言音调，合成所述输入文本对应的合成语音。

2.根据权利要求1所述的方法，其特征在于，所述确定所述输入文本中至少一个字的发音向量，包括：

对所述输入文本中至少一个字进行向量化处理，确定所述输入文本中至少一个字的发音向量。

3.根据权利要求1所述的方法，其特征在于，所述确定所述输入文本中至少一个字的发音向量，包括：

基于预先设置的文字和拼音的对应关系，确定所述输入文本中至少一个字的拼音信息；以及

对所述拼音信息进行向量化处理，确定所述拼音信息的发音向量。

4.根据权利要求1所述的方法，其特征在于，所述确定各所述发音向量对应的发音时长，包括：

基于预先训练的发音时长预测模型，将各所述发音向量作为输入，获取所述发音时长预测模型输出的各所述发音向量的发音时长。

5.根据权利要求1所述的方法，其特征在于，所述确定各所述发音向量对应的方言音调，包括：

基于预先训练的方言语调预测模型，将各所述发音向量作为输入，获取所述方言音调预测模型输出的各所述发音向量的方言音调，所述方言音调预测模型至少基于带有方言音调标注的训练样本进行预训练。

6.根据权利要求1-5任一项所述的方法，其特征在于，所述基于所述发音向量、所述发音时长以及所述方言音调，合成所述输入文本对应的合成语音，包括：

基于预先训练的语音合成模型，将所述发音向量、所述发音时长以及所述方言音调作为输入，获取所述语音合成模型输出的合成频谱；以及

通过声码器以及所述合成频谱，确定所述输入文本对应的合成语音。

7.一种方言语音合成装置，其特征在于，所述装置包括：

获取模块，用于获取输入文本；

第一确定模块，用于确定所述输入文本中至少一个字的发音向量，所述发音向量至少包括对应字的韵律信息；

第二确定模块，用于确定各所述发音向量对应的发音时长以及方言音调，所述发音时长用于表征发音的持续时长，所述方言音调用于表征发音的音高；以及

合成模块，用于基于所述发音向量、所述发音时长以及所述方言音调，合成所述输入文本对应的合成语音。

8.根据权利要求7所述的装置，其特征在于，所述第一确定模块，具体用于：

对所述输入文本中至少一个字进行向量化处理，确定所述输入文本中至少一个字的发音向量。

9.根据权利要求7所述的装置，其特征在于，所述第一确定模块，具体用于：

基于预先设置的文字和拼音的对应关系，确定所述输入文本中至少一个字的拼音信息；以及

对所述拼音信息进行向量化处理，确定所述拼音信息的发音向量。

10.根据权利要求7所述的装置，其特征在于，所述第二确定模块，具体用于：

基于预先训练的发音时长预测模型，将各所述发音向量作为输入，获取所述发音时长预测模型输出的各所述发音向量的发音时长。

11.根据权利要求7所述的装置，其特征在于，所述第二确定模块，具体用于：

基于预先训练的方言语调预测模型，将各所述发音向量作为输入，获取所述方言音调预测模型输出的各所述发音向量的方言音调，所述方言音调预测模型至少基于带有方言音调标注的训练样本进行预训练。