一种歌声合成方法、设备及计算机可读存储介质技术

本申请公开了一种歌声合成方法、设备及计算机介质，获取待合成的目标歌声的目标文本信息；获取目标歌声对应的参考歌声信息；在参考歌声信息中提取出目标基频信息；将目标文本信息转化为目标音素序列；确定目标音素序列中各个音素的位置信息，得到目标位置序列；将目标音素序列及目标位置序列输入预先训练好的声学参数预测模型中，生成目标频谱包络参数和目标非周期参数；基于目标基频信息、目标频谱包络参数和目标非周期参数合成目标歌声。本申请中，合成目标歌声时应用的参数少，合成效率高；此外，目标频率包络参数和目标非周期参数反映了声学特征，目标基频信息反映了真实的发音信息，可以使得合成歌声更加真实、自然，歌声合成质量高。

【技术实现步骤摘要】
一种歌声合成方法、设备及计算机可读存储介质
本申请涉及人工智能
，更具体地说，涉及一种歌声合成方法、设备及计算机可读存储介质。
技术介绍
随着信息技术的发展，语音合成的应用场景也越来越广泛，比如利用语音合成技术合成机器人的语言、合成人工AI(ArtificialIntelligence，人工智能)的语言等，随着深度学习技术的快速发展，语音合成技术得到了长足发展，合成的语音和音质和自然度上趋于真实人发音的水平。但歌声合成技术的发展比较缓慢，比如基于语音拼接来合成歌声，此外，专利技术人发现采用语音拼接来合成歌声的话，至少存在如下问题：需要大量的语料库，歌声合成效率及质量较低。综上所述，如何提高歌声合成的效率及质量是目前本领域技术人员亟待解决的问题。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种歌声合成方法、装置、电子设备及计算机可读存储介质，能够有效提高歌声合成的效率及质量。其具体方案如下：第一方面，本申请公开了一种歌声合成方法，包括：获取待合成的目标歌声的目标文本信息；获取所述目标本文档来自技高网...

【技术保护点】
1.一种歌声合成方法，其特征在于，包括：/n获取待合成的目标歌声的目标文本信息；/n获取所述目标歌声对应的参考歌声信息；/n在所述参考歌声信息中提取出目标基频信息；/n将所述目标文本信息转化为目标音素序列；/n确定所述目标音素序列中各个音素的位置信息，得到目标位置序列；/n将所述目标音素序列及所述目标位置序列输入预先训练好的声学参数预测模型中，生成目标频谱包络参数和目标非周期参数；/n基于所述目标基频信息、所述目标频谱包络参数和所述目标非周期参数合成所述目标歌声。/n

【技术特征摘要】
1.一种歌声合成方法，其特征在于，包括：
获取待合成的目标歌声的目标文本信息；
获取所述目标歌声对应的参考歌声信息；
在所述参考歌声信息中提取出目标基频信息；
将所述目标文本信息转化为目标音素序列；
确定所述目标音素序列中各个音素的位置信息，得到目标位置序列；
将所述目标音素序列及所述目标位置序列输入预先训练好的声学参数预测模型中，生成目标频谱包络参数和目标非周期参数；
基于所述目标基频信息、所述目标频谱包络参数和所述目标非周期参数合成所述目标歌声。


2.根据权利要求1所述的方法，其特征在于，所述将所述目标音素序列及所述目标位置序列输入预先训练好的声学参数预测模型中，生成目标频谱包络参数和目标非周期参数之前，还包括：
获取训练歌声及所述训练歌声的训练文本信息；
对所述训练歌声进行声学参数提取，得到训练频谱包络参数和训练非周期参数；
将所述训练文本信息转化为训练音素序列；
确定所述训练音素序列中各个音素的位置信息，得到训练位置序列；
将所述训练音素序列和所述训练位置序列作为所述声学参数预测模型的输入，将所述训练频谱包络参数和所述训练非周期参数作为所述声学参数预测模型的输出，对所述声学参数预测模型进行训练，得到训练好的所述声学参数预测模型。


3.根据权利要求2所述的方法，其特征在于，所述对所述训练歌声进行声学参数提取，得到训练频谱包络参数和训练非周期参数，包括：
对所述训练歌声进行分帧，得到分帧信号；
对所述分帧信号进行声学参数提取，得到所述训练频谱包络参数和所述训练周期参数。


4.根据权利要求3所述的方法，其特征在于，所述将所述训练文本信息转化为训练音素序列，包括：
对所述训练文本信息的发音信息进行音素转换，得到第一音素序列；
对所述第一音素序列中的音素进行拓展，得到音素与所述分帧信号中的声学特征一一对应的所述训练音素序列。


5.根据权利要求4所述的方法，其特征在于，所述将所述目标文本信息转化为目标音素序列，包括：
对所述目标文本信息的发音信息进行音素转换，得到第二音素序列；
调整所述参考歌声信息中的发音长度，得到音频和所述第二音素序列中的音素相对应的调整歌声信息；
对所述...

【专利技术属性】
技术研发人员：庄晓滨，
申请(专利权)人：腾讯音乐娱乐科技深圳有限公司，
类型：发明
国别省市：广东;44