语音合成方法和装置、计算机设备及存储介质制造方法及图纸

本申请实施例提供了一种语音合成方法和装置、计算机设备及存储介质，属于金融科技技术领域。该方法包括：获取音频训练数据、目标文本和音频参考数据；将音频训练数据输入至预设的原始情感强度预测模型进行情感强度预测得到初步情感强度；根据初步情感强度对原始情感强度预测模型进行参数调整得到目标情感强度预测模型；将音频参考数据输入至预设的情感编码器进行特征编码得到情感特征向量；将音频参考数据输入至目标情感强度预测模型进行情感强度预测得到目标情感强度；将情感特征向量、目标情感强度和目标文本进行语音合成得到目标语音数据。本申请实施例能够生成带情感强度的语音数据，生成语音数据的情感更加丰富且节省人工标识的人力成本。省人工标识的人力成本。省人工标识的人力成本。

【技术实现步骤摘要】
语音合成方法和装置、计算机设备及存储介质


[0001]本申请涉及金融科技
，尤其涉及一种语音合成方法和装置、计算机设备及存储介质。

技术介绍

[0002]随着计算机的发展，越来越多的金融行业提供智能客服方式，以应答客户的金融业务问题。其中，智能客服采用语音合成技术以实现自如说话功能，语音合成是一种将文本转换为语音的技术。相关技术中，为了提高金融业务服务质量，提高客户在进行金融业务咨询时的体验感，通过语音合成方法生成具有具体情感的语音，但是所生成语音的情感单一。为了丰富语音的情感，可以通过人工预先标记每一训练数据中语音的情感强度，再根据训练数据实现不同情感强度的语音合成，但需要耗费大量人力。因此，如何丰富语音的情感且不增加人力成本，成为了亟待解决的技术问题。

技术实现思路

[0003]本申请实施例的主要目的在于提出一种语音合成方法和装置、计算机设备及存储介质，旨在丰富语音的情感且降低人力成本。
[0004]为实现上述目的，本申请实施例的第一方面提出了一种语音合成方法，所述方法包括：
[0005]获取语音合成参本文档来自技高网...

【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：获取语音合成参考数据；其中，所述语音合成参考数据包括：音频训练数据、目标文本和音频参考数据；将所述音频训练数据输入至预设的原始情感强度预测模型进行情感强度预测，得到初步情感强度；根据所述初步情感强度对所述原始情感强度预测模型进行参数调整，得到目标情感强度预测模型；将所述音频参考数据输入至预设的情感编码器进行特征编码，得到情感特征向量；将所述音频参考数据输入至所述目标情感强度预测模型进行情感强度预测，得到目标情感强度；将所述情感特征向量、所述目标情感强度和所述目标文本进行语音合成，得到目标语音数据。2.根据权利要求1所述的方法，其特征在于，所述根据所述初步情感强度对所述原始情感强度预测模型进行参数调整，得到目标情感强度预测模型，包括：获取所述初步情感强度的情感类别，得到初步情感类别；其中，所述初步情感类别包括：不带情感的中性情感类别和带有情感的正负情感类别；获取所述中性情感类别的初步情感强度，得到参考情感强度；获取所述正负情感类别的初步情感强度，得到当前情感强度；若所述当前情感强度大于或者等于所述参考情感强度，则将所述当前情感强度作为候选情感强度；根据所述候选情感强度进行情感强度损失计算，得到情感强度损失数据集；根据所述情感强度损失数据集对所述原始情感强度预测模型进行参数调整，得到所述目标情感强度预测模型。3.根据权利要求1所述的方法，其特征在于，所述情感编码器包括：特征提取层和编码层；所述将所述音频参考数据输入至预设的情感编码器进行特征编码，得到情感特征向量，包括：将所述音频参考数据输入至所述特征提取层进行情感特征提取，得到音频情感特征；将所述音频情感特征输入至所述编码层进行特征编码处理，得到所述情感特征向量。4.根据权利要求1至3任一项所述的方法，其特征在于，所述将所述情感特征向量、所述目标情感强度和所述目标文本进行语音合成，得到目标语音数据，包括：将所述情感特征向量、所述目标情感强度和所述目标文本输入至预设的目标语音合成模型；其中，所述目标语音合成模型包括：音素编码网络、语音参数预测器、解码器和声码器；通过所述音素编码网络将所述目标文本进行音素编码处理，得到音素向量；通过所述语音参数预测器将所述音素向量、所述情感特征向量和所述目标情感强度进行语音参数预测，得到目标语音参数；通过所述解码器将所述目标语音参数进行解码处理，得到语音频谱数据；通过所述声码器将所述语音频谱数据进行音频转换，得到所述目标语音数据。5.根据...

【专利技术属性】
技术研发人员：张旭龙，王健宗，程宁，唐浩彬，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：