[发明专利]声码器训练方法、音频合成方法、介质、装置和计算设备

权利要求书

1.一种声码器训练方法，包括：

获取音频语料库中音频的第一基频序列；

对所述第一基频序列进行基频扰动处理，得到第二基频序列；

对所述第二基频序列进行映射处理，得到目标张量；

对所述目标张量、所述音频对应的声学特征序列和所述音频进行训练，得到用于音频合成的声码器。

2.根据权利要求1所述的声码器训练方法，所述对所述第一基频序列进行基频扰动处理，得到第二基频序列，包括：

针对所述第一基频序列中的每个基频进行以下基频扰动处理，得到所述第二基频序列：

获取所述基频的第一对数；

对所述第一对数进行最值截断处理，得到第二对数；

对所述第二对数进行量化处理，得到所述基频对应的基频类别标签；

对所述基频类别标签进行反量化处理。

3.根据权利要求1所述的声码器训练方法，所述对所述第一基频序列进行基频扰动处理，得到第二基频序列，包括：

针对所述第一基频序列中的每个基频进行以下基频扰动处理，得到所述第二基频序列：

在所述基频的预设采样范围内，对所述基频进行随机采样，得到所述基频对应的扰动参数；

将所述扰动参数和所述基频进行加和处理。

4.根据权利要求1至3任一项所述的声码器训练方法，所述映射处理包含激励映射和嵌入映射，所述对所述第二基频序列进行映射处理，得到目标张量，包括：

对所述第二基频序列进行激励映射，得到第一张量；

对所述第二基频序列进行嵌入映射，得到第二张量；

对所述第一张量和所述第二张量进行组合处理，得到所述目标张量。

5.一种音频合成方法，包括：

获取目标文本；

提取所述目标文本的声学特征序列；

将所述声学特征序列输入至基频预测模型进行基频预测，得到所述声学特征序列对应的基频序列；

将所述基频序列和所述声学特征序列输入至声码器进行音频合成，得到所述目标文本对应的音频，所述声码器是通过如权利要求1至4中任一项所述的声码器训练方法训练得到的。

6.根据权利要求5所述的音频合成方法，所述基频预测模型包括卷积层、非线性层、标准化层、随机失活层、线性层和分类层，所述将所述声学特征序列输入至基频预测模型进行基频预测，得到所述声学特征序列对应的基频序列，包括：

将所述声学特征序列输入至所述卷积层进行卷积处理，得到第一特征；

将所述第一特征输入至所述非线性层进行激活处理，得到第二特征；

将所述第二特征输入至所述标准化层进行标准化处理，得到第三特征；

将所述第三特征输入至所述随机失活层进行失活处理，得到第四特征；

将所述第四特征输入至所述线性层进行线性处理，得到第五特征；

将所述第五特征输入至所述分类层进行分类处理，得到所述基频序列。

7.一种介质，所述介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1至4任一项所述的声码器训练方法或权利要求5或6所述的音频合成方法。

8.一种声码器训练装置，包括：

获取模块，用于获取音频语料库中音频的第一基频序列；

第一处理模块，用于对所述第一基频序列进行基频扰动处理，得到第二基频序列；

第二处理模块，用于对所述第二基频序列进行映射处理，得到目标张量；

训练模块，用于采用所述目标张量和所述音频对应的文本的声学特征序列训练得到用于音频合成的声码器。