[发明专利]一种语音合成方法及装置

权利要求书

1.一种语音合成方法，其特征在于，应用于电子设备，包括：

基于第一训练样本集和教师声学模型，对预设学生声学模型进行训练，得到目标学生声学模型，所述第一训练样本集包括多个文本和所述多个文本对应的声学特征；所述教师声学模型、所述预设学生声学模型以及所述目标学生声学模型均用于提取文本的声学特征；所述预设学生声学模型为轻量级的声学模型；

采用所述目标学生声学模型对目标文本进行特征提取，得到所述目标文本的声学特征；

通过声码器对所述目标文本的声学特征进行处理，得到所述目标文本对应的语音。

2.根据权利要求1所述的方法，其特征在于，所述基于第一训练样本集和教师声学模型，对预设学生声学模型进行训练，得到目标学生声学模型，包括：

确定所述第一训练样本集中的文本经所述教师声学模型处理的情况下，所述教师声学模型的损失；

确定所述第一训练样本集中的文本经所述预设学生声学模型处理的情况下，所述预设学生声学模型的损失；

根据所述教师声学模型的损失和所述预设学生声学模型的损失，确定目标损失；

基于所述目标损失，对所述预设学生声学模型进行更新，得到目标学生声学模型。

3.根据权利要求1或2所述的方法，其特征在于，

所述轻量级的声学模型包括对预设声学模型进行下述至少一种处理所得到的声学模型：

对所述预设声学模型进行结构裁剪；

增加所述预设声学模型所处理的数据帧的帧长；

增加所述预设声学模型单次处理的数据帧的数量。

4.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：

基于第二训练样本集，对预设教师声学模型进行训练，得到所述教师声学模型，所述第二训练样本集包括多个文本和所述多个文本对应的声学特征。

5.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：

根据第三训练样本集，所述第三训练样本集包括多个文本和所述多个文本对应的语音，确定所述第一训练样本集，所述第三训练样本集包括多个文本和所述多个文本对应的语音。

6.根据权利要求5所述的方法，其特征在于，所述根据第三训练样本集，确定所述第一训练样本集，包括：

从所述第三训练样本集中的多个文本对应的语音中提取所述多个文本对应的声学特征；

将所述第三训练样本集中的多个文本和所述多个文本对应的声学特征组成的训练样本集作为所述第一训练样本集。

7.根据权利要求1或2所述方法，其特征在于，所述方法还包括：

基于第四训练样本集，对预设声码器进行训练，得到所述声码器，所述第四训练样本集包括多个文本对应的声学特征和所述多个文本对应的语音。

8.根据权利要求7所述的方法，其特征在于，

所述预设声码器为经结构裁剪的声码器。

9.一种电子设备，其特征在于，包括处理器和与所述处理器耦合连接的存储器；所述存储器用于存储计算机指令，当所述电子设备运行时，所述处理器执行存储器存储的所述计算机指令，以使得所述电子设备执行如权利要求1至8任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括计算机程序，当所述计算机程序在计算机上运行时，以执行如权利要求1至8任一项所述的方法。