[发明专利]语音生成模型的训练、使用方法以及训练、使用装置

说明书

本申请提供一种语音生成模型的训练、使用方法以及训练、使用装置，训练方法包括：获取文字信息样本；将文字信息样本输入语音生成模型的生成器中，得到输出梅尔频谱；基于语音生成模型的鉴别器，采用多个损失函数分别将输出梅尔频谱与真实梅尔频谱进行对比，得到多个损失值，其中，真实梅尔频谱为文字信息样本真正的梅尔频谱；按照预设运算规则对多个损失值进行处理，得到总损失值；基于总损失值对语音生成模型中的参数进行调整，得到训练后的语音生成模型。使得输出的语音更加流畅、清晰，韵律更加自然，平滑了频谱，在一定程度上抑制了噪声。

技术领域

本申请涉及人机语音通信技术领域，尤其涉及一种语音生成模型的训练方法、语音生成模型的使用方法、语音生成模型的训练装置、语音生成模型的使用装置、电子设备，以及计算机可读存储介质。

背景技术

随着科技的不断发展，人工智能逐渐兴起，实现机器像人一样说话就是人工智能发展过程中的重要一步。

目前，为了实现机器像人一样说话，主要采用的是从文本到语音(Text-to-speech，TTS)这一关键技术。随着深度学习的不断发展，又将深度神经网络融入到TTS中。

然而，采用上述技术生成的语音结果，尤其是在中文方面，仍然不够理想，存在发音不流畅、不清晰，韵律不自然以及噪声大的问题。

发明内容

本申请实施例的目的是提供一种语音生成模型的训练方法、语音生成模型的使用方法、语音生成模型的训练装置、语音生成模型的使用装置、电子设备，以及计算机可读存储介质，以使得生成的语音更加流畅清晰，韵律更加自然，平滑频谱，在一定程度上抑制了噪声。

为解决上述技术问题，本申请实施例提供如下技术方案：

本申请第一方面提供一种语音生成模型的训练方法，所述方法包括：获取文字信息样本；将所述文字信息样本输入语音生成模型的生成器中，得到输出梅尔频谱；基于所述语音生成模型的鉴别器，采用多个损失函数分别将所述输出梅尔频谱与真实梅尔频谱进行对比，得到多个损失值，其中，所述真实梅尔频谱为所述文字信息样本真正的梅尔频谱；按照预设运算规则对所述多个损失值进行处理，得到总损失值；基于所述总损失值对所述语音生成模型中的参数进行调整，得到训练后的语音生成模型。

本申请第二方面提供一种语音生成模型的使用方法，所述方法包括：获取待转换的文字信息；将所述待转换的文字信息输入上述训练后的语音生成模型，得到转换后的语音信息。

本申请第三方面提供一种语音生成模型的训练装置，所述装置包括：文字接收模块，用于获取文字信息样本；语音生成模块，用于将所述文字信息样本输入语音生成模型的生成器中，得到输出梅尔频谱；语音鉴别模块，用于基于所述语音生成模型的鉴别器，采用多个损失函数分别将所述输出梅尔频谱与真实梅尔频谱进行对比，得到多个损失值，所述真实梅尔频谱为所述文字信息样本真正的梅尔频谱；损失处理模块，用于按照预设运算规则对所述多个损失值进行处理，得到总损失值；参数调试模块，用于基于所述总损失值对所述语音生成模型中的参数进行调整，得到训练后的语音生成模型。

本申请第四方面提供一种语音生成模型的使用装置，所述装置包括：文字接收模块，用于获取待转换的文字信息；语音输出模块，用于将所述待转换的文字信息输入上述训练后的语音生成模型，得到转换后的语音信息。

本申请第五方面提供一种电子设备，包括：处理器、存储器、总线；其中，所述处理器、所述存储器通过所述总线完成相互间的通信；所述处理器用于调用所述存储器中的程序指令，以执行第一方面或第二方面中的方法。

本申请第六方面提供一种计算机可读存储介质，包括：存储的程序；其中，在所述程序运行时控制所述存储介质所在设备执行第一方面或第二方面中的方法。