[发明专利]语音合成方法、装置、电子设备以及存储介质

说明书

本公开提供了语音合成方法、装置、电子设备以及存储介质，涉及计算机技术领域，尤其涉及深度学习、语音技术等人工智能技术领域。具体实现方案为：获取待合成的目标文本，以及说话者的标识；获取所述目标文本中至少一个字符的发音信息；根据所述目标文本所属的目标语言，对所述目标文本中所述至少一个字符的所述发音信息进行特征提取，以生成所述目标文本的语言学特征；根据所述目标文本的语言学特征和所述说话者的标识，进行语音合成，以得到目标语音。由此，使得对于一种语言下的说话者，能够实现多种语言下文本的语音合成。

技术领域

本公开涉及计算机技术领域，特别涉及深度学习、语音技术等人工智能技术领域，尤其涉及语音合成方法、装置、电子设备以及存储介质。

背景技术

语音合成技术，是将文本信息转变为可懂的、自然的、拟人的语音信息的技术，广泛应用于新闻播报、车载导航、智能音箱等领域。

随着语音合成技术的应用场景的不断增加，对多语言语音合成的需求越来越大。然而，由于通常一个说话人只会讲一种语言，单人多语言语料的获取难度大，因此相关技术中的语音合成技术通常仅支持单人单语言的语音合成。如何实现单人多语言的语音合成，对于扩大语音合成的应用场景具有重要意义。

发明内容

本公开提供了一种语音合成方法、装置、电子设备以及存储介质。

根据本公开的一方面，提供了一种语音合成方法，包括：获取待合成的目标文本，以及说话者的标识；获取所述目标文本中至少一个字符的发音信息；根据所述目标文本所属的目标语言，对所述目标文本中所述至少一个字符的所述发音信息进行特征提取，以生成所述目标文本的语言学特征；根据所述目标文本的语言学特征和所述说话者的标识，进行语音合成，以得到目标语音。

根据本公开的另一方面，提供了一种语音合成装置，包括：第一获取模块，用于获取待合成的目标文本，以及说话者的标识；第二获取模块，用于获取所述目标文本中至少一个字符的发音信息；提取模块，用于根据所述目标文本所属的目标语言，对所述目标文本中所述至少一个字符的所述发音信息进行特征提取，以生成所述目标文本的语言学特征；合成模块，用于根据所述目标文本的语言学特征和所述说话者的标识，进行语音合成，以得到目标语音。

根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的语音合成方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行如上所述的语音合成方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上所述的语音合成方法的步骤。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是根据本公开第一实施例的语音合成方法的流程示意图；

图2是根据本公开第二实施例的语音合成方法的流程示意图；

图3是根据本公开第二实施例的日语文本的各调型的示例图；

图4是根据本公开第二实施例的目标文本中各字符的发音信息及各分词词汇对应的韵律示例图；

图5是根据本公开第二实施例的语言学特征中对应的特征项的示例图；

图6是根据本公开第三实施例的语音合成方法的流程示意图；