[发明专利]一种面向低资源条件下的多风格个性化藏语语音合成模型

摘要

本发明公开了一种面向低资源条件下的多风格个性化藏语语音合成模型，包括说话人风格编码器以及依次相连的字音转换模块、文本编码器、方差适配器、梅尔谱解码器和HifiGAN声码器；采用“预训练+元学习”的模型算法训练该合成模型；将深度学习模型可学习的模型参数θ分为与韵律相关的参数θp、与说话人相关的参数θs和其他剩余参数构成，即θp和θs包括说话人风格编码器的可学习模型参数，包括文本编码器、梅尔谱解码器和方差适配器的可学习模型参数。该合成模型可应用于智能化双语教学产品，也可应用于藏语口语对话、多媒体信息处理以及其他人机交互等领域。