一种说话人不相干的神经网络声码器系统技术方案

本发明专利技术公开了一种说话人不相干的神经网络声码器系统，包括有以下步骤：S1，音色特征提取模块接收声学特征M，并对声学特征进行音色特征提取，得到了音色特征信息S，声学特征可以选择选择梅尔频谱、梅尔倒谱、线性幅度谱；S2，波形生产模块接收到声学特征M和音色提取模块输出的音色特征S，进行波形生成处理，得到语音波形W，本发明专利技术涉及神经网络技术领域。本发明专利技术，解决了每个单音色声码器系统只能服务一个特定音色，服务部署和运营成本高，遇到新的音色需要从新训练声码器系统，训练时间漫长，同时需要某个音色大量录音数据进行训练的问题。

A neural network vocoder system with irrelevant speakers

【技术实现步骤摘要】
一种说话人不相干的神经网络声码器系统
本专利技术涉及经网络
，特别是涉及一种说话人不相干的神经网络声码器系统。
技术介绍
随着神经网络技术的迅速发展，语音合成效果也得到了快速的提升。逼真的语音合成技术已经应用到新闻播报、有声读物、语音助手、智能客服、虚拟人物、语音克隆等方面。伴随着人工智能技术的不断发展和应用场景的不断增多，人们对语音合成技术的要求也越来越高。不仅要求语音合成的音质逼真，而且还希望能合成各式各样的音色。这给语音合成技术的发展和应用部署带来了不少挑战。目前主流的语音合成技术系统主要有三个子系统组成：语音合成前端系统（将文本转为音素）；语音合成后端系统（将音素转为声学特征）；声码器系统（将声学特征转为音频）。其中，声码器系统对合成音质起了至关重要的重要。近年来，随着WaveNet、SampleRNN、WaveRNN等神经网络构建的声码器系统的成功，现有的单音色声码器系统已经能合成媲美真实录音声音。但是这些单音色声码器系统只能合成单一音色的声音，无法用单一的系统支撑多个音色的高质量合成。因此，如果音色多样性要求高的应用场本文档来自技高网...

【技术保护点】
1.一种说话人不相干的神经网络声码器系统，其特征在于，包括有以下步骤：/nS1，音色特征提取模块接收声学特征M，并对声学特征进行音色特征提取，得到了音色特征信息S；/nS2，波形生产模块接收到声学特征M和音色提取模块输出的音色特征S，进行波形生成处理，得到语音波形W。/n

【技术特征摘要】
1.一种说话人不相干的神经网络声码器系统，其特征在于，包括有以下步骤：
S1，音色特征提取模块接收声学特征M，并对声学特征进行音色特征提取，得到了音色特征信息S；
S2，波形生产模块接收到声学特征M和音色提取模块输出的音色特征S，进行波形生成处理，得到语音波形W。


2.根据权利要求1所述的一种说话人不相干的神经网络声码器系统，其特征在于：所述S1中，声学特征可以选择梅尔频谱、梅尔倒谱、线性幅度谱。


3.根据权利要求1所述的一种说话人不相干的神经网络声码器系统，其特征在于：所述S1中，音色特征提取模块包括传统音色特征提取模块，传统音色特征提取模块从输入的声学特征M中提取出传统的音色特征特征sp，传统音色特征可以选择为基音频、清浊音标记、幅度谱包络、线性预测系数或线谱对；
特征映射网络模块将传统音色特征提取模块输出的传统音色特...

【专利技术属性】
技术研发人员：周俊明，何颖洋，吴东海，黄博贤，
申请(专利权)人：广州深声科技有限公司，
类型：发明
国别省市：广东;44