语音合成方法、模型训练方法、装置、设备及存储介质制造方法及图纸

本申请提出一种语音合成方法、模型训练方法、装置、设备及存储介质，该语音合成方法包括：通过预先训练的编码模型，提取待合成文本的语义特征；至少基于所述待合成文本和所述语义特征，生成与待合成文本相匹配的语音；其中，所述编码模型通过对第一训练样本进行语义特征提取训练得到，第一训练样本包括第一文本样本以及与第一文本样本平行的第一语音样本的声学特征；所述语义特征提取训练，以使得编码模型能够正确提取第一文本样本的文本特征和/或第一语音样本的声学特征，以及，能够正确预测所述第一语音样本的韵律信息，为目标。该方法能够合成可懂度和自然度更高的语音。

【技术实现步骤摘要】

本申请涉及语音合成，尤其涉及一种语音合成方法、模型训练方法、装置、设备及存储介质。

技术介绍

1、传统的语音合成系统在基于文本合成语音时，通常是对文本分词后针对分词结果分别进行语音建模，然后将分词对应的语音建模结果进行拼接得到合成语音。上述的方案主要借助分词与语音或音素的映射关系而实现语音合成。但是，语音中包含非常丰富的语义信息，例如一句相同的文本，发音停顿重度的不同会传达不同的语义。而现有的语音合成系统，仅仅是实现了文本到语音的映射，往往不能准确传达语音中丰富的语义信息。

技术实现思路

1、基于上述技术现状，本申请提出一种语音合成方法、模型训练方法、装置、设备及存储介质，能够使合成的语音包含更加丰富且准确的语义信息，从而提高合成语音的可懂度和自然度。

2、为了达到上述技术目的，本申请提出如下技术方案：

3、一种语音合成方法，包括

4、获取待合成文本对应的字音特征和韵律特征，以及，通过预先训练的编码模型，提取所述待合成文本的语义特征；

5、基于所述字音特征、所述本文档来自技高网...

【技术保护点】

1.一种语音合成方法，其特征在于，包括

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取所述待合成文本对应的字音特征和/或韵律特征；

3.根据权利要求2所述的方法，其特征在于，所述获取所述待合成文本对应的字音特征和/或韵律特征，包括；

4.根据权利要求1至3中任意一项所述的方法，其特征在于，所述编码模型的训练过程，包括：

5.根据权利要求4所述的方法，其特征在于，以使所述编码模型能够正确预测被掩盖的字符和/或声学特征，以及能够正确预测所述第一语音样本的韵律信息为目标，对所述编码模型进行参数修正，包括：>

6.根据权利...

【技术特征摘要】

1.一种语音合成方法，其特征在于，包括

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取所述待合成文本对应的字音特征和/或韵律特征；

3.根据权利要求2所述的方法，其特征在于，所述获取所述待合成文本对应的字音特征和/或韵律特征，包括；

4.根据权利要求1至3中任意一项所述的方法，其特征在于，所述编码模型的训练过程，包括：

5.根据权利要求4所述的方法，其特征在于，以使所述编码模型能够正确预测被掩盖的字符和/或声学特征，以及能够正确预测所述第一语音样本的韵律信息为目标，对所述编码模型进行参数修正，包括：

6.根据权利要求5所述的方法，其特征在于，以所述编码模型能够正确预测所述第一文本样本和/或所述第一语音样本的声学特征，以及，能够正确预测所述第一语音样本的韵律信息为目标，对所述编码模型进行参数修正，包括：

7.根据权利要求4所述的方法，其特征在于，对所述第一训练样本中的第一文本样本和/或第一语音样本的声学特征进行...

【专利技术属性】
技术研发人员：刘利娟，胡亚军，潘嘉，
申请(专利权)人：科大讯飞股份有限公司，
类型：发明
国别省市：