[发明专利]语音合成方法、装置、电子设备和存储介质

说明书

本公开提供了一种语音合成方法、装置、电子设备和存储介质，涉及语音、人工智能技术领域，尤其涉及语音合成、自然语言处理、深度学习技术领域。具体实现方案为：获取待合成文本以及获取目标用户的语音特征，根据待合成文本和语音特征，获取预测的第一声学特征；根据待合成文本，从模板音频库中获取目标模板音频，提取目标模板音频的第二声学特征；将第一声学特征和第二声学特征进行拼接，生成目标声学特征；基于目标声学特征和语音特征，对待合成文本进行语音合成，以生成目标语音。由此，目标声学特征可具有待合成文本的第一声学特征和目标模板音频的第二声学特征，特征表示效果更好，有助于提高目标语音的真实度和自然度，语音合成效果更好。

技术领域

本公开涉及计算机技术领域，尤其涉及一种语音合成方法、装置、电子设备、存储介质和计算机程序产品。

背景技术

目前，语音合成方法可将文本转换为具有目标用户语音特征的音频，在语音聊天、智能家居等领域得到了广泛应用。比如，在语音聊天场景中，接收用户的聊天语音之后，可获取与其匹配的聊天文本，并实时将聊天文本转换为具有目标用户语音特征的音频，并播放音频或者反馈至用户终端。然而，现有技术中的语音合成方法，合成的语音的真实度和自然度较差。

发明内容

本公开提供了一种语音合成方法、装置、电子设备、存储介质和计算机程序产品。

根据本公开的一方面，提供了一种语音合成方法，包括：获取待合成文本以及获取目标用户的语音特征，并根据所述待合成文本和所述语音特征，获取预测的第一声学特征；根据所述待合成文本，从模板音频库中获取目标模板音频，并提取所述目标模板音频的第二声学特征；将所述第一声学特征和所述第二声学特征进行拼接，生成目标声学特征；基于所述目标声学特征和所述语音特征，对所述待合成文本进行语音合成，以生成所述待合成文本的目标语音。

根据本公开的另一方面，提供了一种语音合成装置，包括：预测模块，用于获取待合成文本以及获取目标用户的语音特征，并根据所述待合成文本和所述语音特征，获取预测的第一声学特征；提取模块，用于根据所述待合成文本，从模板音频库中获取目标模板音频，并提取所述目标模板音频的第二声学特征；拼接模块，用于将所述第一声学特征和所述第二声学特征进行拼接，生成目标声学特征；合成模块，用于基于所述目标声学特征和所述语音特征，对所述待合成文本进行语音合成，以生成所述待合成文本的目标语音。

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，其中，所述计算机指令用于使所述计算机执行语音合成方法。

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，所述计算机程序在被处理器执行时实现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是根据本公开第三实施例的语音合成方法的流程示意图；

图4是根据本公开第一实施例的目标语音合成模型的示意图；

图5是根据本公开第一实施例的语音合成装置的框图；

图6是用来实现本公开实施例的语音合成方法的电子设备的框图。