一种语音合成方法、装置、电子设备及存储介质制造方法及图纸

本公开提供了一种语音合成方法、装置、电子设备及存储介质，所述方法包括：确定用于语音合成的原始语料；从所述原始语料中提取文本对话表现力，所述文本对话表现力包括对话意向和对话风格；基于所述文本对话表现力确定文本对话风格特征；将所述文本对话风格特征输入至语音合成模型，基于所述语音合成模型输出的梅尔频谱，确定所述原始语料对应的对话语音。确定所述原始语料对应的对话语音。确定所述原始语料对应的对话语音。

【技术实现步骤摘要】
一种语音合成方法、装置、电子设备及存储介质


[0001]本公开涉及语音处理
，尤其涉及一种语音合成方法、装置、电子设备及存储介质。

技术介绍

[0002]目前，语音合成技术获得了飞速发展，尤其是可以将任意文字转换成语音信号的文语转换系统(TextToSpeech，TTS)，其输出语音的音质已经基本接近真人的发音，在人机对话、远程语音信息服务、机器阅读、电信、娱乐等方面得到了广泛的应用。
[0003]但是，TTS系统输出的语音与真人发音相比，缺乏语气和语速等语音表现力。因此，为合成语音赋予更多语音表现力因素，以提高合成语音的自然度是一直追求的目标。

技术实现思路

[0004]本公开提供了一种语音合成方法、装置、电子设备及存储介质，以至少解决现有技术中存在的以上技术问题。
[0005]根据本公开的第一方面，提供了一种语音合成方法，所述方法包括：确定用于语音合成的原始语料；从所述原始语料中提取文本对话表现力，所述文本对话表现力包括对话意向和对话风格；基于所述文本对话表现力确定文本对话风格特征；将所述文本对话风格特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种语音合成方法，其特征在于，所述方法包括：确定用于语音合成的原始语料；从所述原始语料中提取文本对话表现力，所述文本对话表现力包括对话意向和对话风格；基于所述文本对话表现力确定文本对话风格特征；将所述文本对话风格特征输入至语音合成模型，基于所述语音合成模型输出的梅尔频谱，确定所述原始语料对应的对话语音。2.根据权利要求1所述的方法，其特征在于，所述确定用于语音合成的原始语料，包括：获取用于语音合成的文本信息；将所述文本信息中的对话和旁白分离，得到文本对话信息和旁白文本信息；确定所述文本对话信息和旁白文本信息为所述原始语料。3.根据权利要求1所述的方法，其特征在于，从所述原始语料中提取文本对话表现力，包括：将所述原始语料中的文本信息映射到词向量空间，得到所述原始语料对应的词向量信息；拟合所述词向量信息，得到拟合结果；基于条件随机场模型从所述拟合结果中提取所述文本对话表现力。4.根据权利要求1所述的方法，其特征在于，所述基于所述文本对话表现力确定文本对话风格特征，包括：基于所述原始语料对应的参考语音，确定参考对话风格特征；将所述文本对话表现力输入至对话特征训练模型，得到所述对话特征训练模型输出的文本对话风格特征；基于所述参考对话风格特征和所述文本对话风格特征之间的差异，调整所述对话特征训练模型的参数。5.根据权利要求4所述的方法，其特征在于，所述将所述文本对话表现力输入至对话特征训练模型，得到所述对话特征训练模型输出的文本对话风格特征，包括：将所述文本对话表现力映射到句向量空间，得到所述文本对话表现力对应的句向量信息；基于所述句向量信息，确定文本对话风格特征。6.根据权利要求1所述的方法，其特征在于，所述将所述文本对话风格特征输入至语音合成模型，基于所述语音合成模型输出的梅尔频谱，确定所述原始语料对应的对话语音，包括：将所述原始语料对应...

【专利技术属性】
技术研发人员：冯小琴，迟文江，陈云琳，叶顺平，
申请(专利权)人：出门问问信息科技有限公司，
类型：发明
国别省市：