[发明专利]语音合成方法、语音合成模型的训练方法及装置

说明书

公开了一种语音合成方法、语音合成模型的训练方法及装置。本公开一实施例中的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，以获得第一合成特征；对第一声学特征进行声学编码，以获得第二合成特征；对所述第一合成特征、第二合成特征和预先选定的情感表述参数进行对齐处理，以获得第三合成特征；对所述第三合成特征进行声学解码，以获得所述第一文本的第二声学特征。本公开基于预先设定情感表述参数即可合成特定情感程度的语音，满足了实际应用需求。

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、语音合成 模型的训练方法及装置。

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 慢慢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。

发明内容

目前的语音合成在合成带有情感方面主要依赖训练音库，而无法采用参 数自适应调节的合成情感语音，例如同样的文本合成开心的和愤怒的音色， 需要在该发音人的2种不同的情感音库上训练2个独立的模型，且只能合成 独立的情感。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、 语音合成模型的训练方法及装置、电子设备、存储介质，能够通过设置参数 来合成相应情感程度的语音。

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，以获得第一合成特征；

对第一声学特征进行声学编码，以获得第二合成特征；

对所述第一合成特征、第二合成特征和预先选定的情感表述参数进行对 齐处理，以获得第三合成特征；以及

对所述第三合成特征进行声学解码，以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、声学解码参数、所述情感表 述参数和用于细化所述情感表述参数粒度的基础权重参数；

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，以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，以获得第一 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，以获得第二合成 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 的情感表达参数进行对齐处理，以获得第三合成特征；

声学解码单元，配置为对所述第三合成特征进行声学解码，以获得所述 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 音合成方法和/或语音合成模型的训练方法。