[发明专利]文本转语音方法、装置、电子设备及存储介质

权利要求书

1.一种文本转语音方法，其特征在于，所述方法包括：

接收待转换文本，对所述待转换文本执行字嵌入及位置嵌入，得到文本编码向量；

从所述文本编码向量中提取语义信息，得到语义向量；

对所述待转换文本执行词性标注，得到词性标注信息；

对所述待转换文本执行分词，得到词组集；

利用所述语义向量及所述词性标注信息，检测所述词组集中每组词组的音调及拼音，得到音调集及拼音集；

合成所述音调集及所述拼音集，得到所述待转换文本的语音。

2.如权利要求1所述的文本转语音方法，其特征在于，所述对所述待转换文本执行字嵌入及位置嵌入，得到文本编码向量，包括：

将所述待转换文本执行去噪及分词处理，得到待转换词组集；

根据所述待转换词组集的数量，构建相同数量且向量维度固定的空向量，将所述待转换词组集中每个待转换词组映射至所述空向量中，得到字嵌入向量集；

计算所述待转换词组集中每个待转换词组在所述待转换文本的位置，得到词组位置集，根据所述词组位置集构建位置向量集；

组合所述字嵌入向量集及所述位置向量集，得到所述文本编码向量。

3.如权利要求1所述的文本转语音方法，其特征在于，所述从所述文本编码向量中提取语义信息，得到语义向量，包括：

构建并训练语义提取模型，当训练完成时，从所述语义提取模型中提取自注意力计算机制；

利用所述自注意力计算机制，提取所述文本编码向量的语义信息，得到所述语义向量。

4.如权利要求3所述的文本转语音方法，其特征在于，所述训练语义提取模型，包括：

获取训练文本集及语义标签集；

将所述训练文本集输入至所述语义提取模型中，计算所述训练文本集中每个训练文本与其他训练文本的相似度，得到相似度集；

归一化所述相似度集得到权重集，利用所述权重集生成所述训练文本集的编码向量集；

对所述编码向量集及所述训练文本集执行解码操作，得到语义预测集；

计算所述语义预测集与所述语义标签集的误差值，判断所述误差值是否在预设误差范围内；

当所述误差值不在所述预设误差范围内，调整所述语义提取模型的内部参数，直至所述误差值在所述预设误差范围内，得到训练完成的所述语义提取模型。

5.如权利要求1所述的文本转语音方法，其特征在于，所述对所述待转换文本执行词性标注，得到词性标注信息，包括：

将所述待转换文本转化为待转换词向量，利用CRF模型对所述待转换词向量执行词性标注，得到所述词性标注信息。

6.如权利要求1所述的文本转语音方法，其特征在于，所述利用所述语义向量及所述词性标注信息，检测所述词组集中每组词组的音调及拼音，得到音调集及拼音集，包括：

将所述语义向量及所述词性标注信息输入至预先训练完成的音调拼音检测模型中；

利用所述音调拼音检测模型，检测所述词组集中每组词组的音调及拼音，得到所述音调集及所述拼音集。

7.如权利要求1至6中任意一项所述的文本转语音方法，其特征在于，所述预先训练完成的音调拼音检测模型，包括：

步骤A：构建包括多头注意力网络及线性激活层的待训练音调拼音检测模型；

步骤B：接收词性文本训练集及音调拼音标签集，将所述词性文本训练集输入至所述待训练音调拼音检测模型进行特征提取，得到特征序列训练集；

步骤C：利用所述线性激活层，对所述特征序列训练集执行激活操作，得到音调拼音预测集；

步骤D：计算所述音调拼音预测集与所述音调拼音标签集的预测误差值，并判断所述预测误差值与预设的误差阈值的大小关系；

步骤E：若所述预测误差值大于所述误差阈值，调整所述待训练音调拼音检测模型的内部参数，并返回步骤B；

步骤F：若所述预测误差值小于或等于所述误差阈值，得到所述音调拼音检测模型。