本申请公开语音合成模型训练方法，其可包括：获取初始训练数据；从连贯文本中选取多个第一文本段、第二文本段、第三文本段，并从连贯音频中获取第一音频段、第二音频段、第三音频段；检测多个音频段、文本段是否满足可拼接条件；将满足可拼接条件的多个文本段、音频段，按照文本顺序，以文本和音频交替的方式拼接生成组合训练数据，以生成组合训练数据集；根据组合训练数据集，对所述初始语音生成模型进行训练，得到训练好的语音合成模型，在所述训练中所述第二文本段和/或所述第三文本段中的韵律、音律和/或情感特征被提取。本申请还公开了语音合成方法。本申请能够利用文本、音频的上下文进行文字理解，捕捉场景中的韵律、音律和情感。
【技术实现步骤摘要】
本申请涉及多媒体内容处理的，具体地涉及语音合成模型训练方法、语音合成方法、语音合成模型训练装置、语音合成装置、电子设备及存储介质。
技术介绍
1、语音合成技术是一种将文本转换成语音的技术，可以通过神经网络模型实现文本转语音功能。当前的文字生成语音模型中，仅对输入的当前文本进行语音转换，生成的语音难以和整体文本语义、韵律、情感契合，造成说话人声音不符合情景，还造成发音前后衔接不顺畅的问题。
2、此
技术介绍
的说明旨在帮助理解相关领域内的相关技术，并不代表承认
技术介绍
内容属于现有技术。
技术实现思路
1、因此，本申请实施例意图提供一种语音合成模型训练方法、语音合成方法以及相关的电子设备及存储介质。通过本申请实施例的方案，可以基于上下文的文字理解，捕捉当前场景的韵律、音律和情感，使得生成的语音更加符合真实场景。
2、第一方面，本申请实施例提供了语音合成模型训练方法，包括如下步骤：
3、获取初始训练数据，其中，所述初始训练数据包括连贯文本和对应的连贯音频；
4、从所述连贯本文档来自技高网
...
【技术保护点】
1.一种语音合成模型训练方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的方法，其特征在于，所述检测关联的第一文本段、第二文本段、第三文本段、第一音频段、第二音频段和第三音频段是否满足可拼接条件，包括：
3.根据权利要求1所述的方法，其特征在于，所述检测关联的第一文本段、第二文本段、第三文本段、第一音频段、第二音频段和第三音频段是否满足可拼接条件，包括：
4.根据权利要求1中任一项所述的方法，其特征在于，所述检测关联的第一文本段、第二文本段、第三文本段、第一音频段、第二音频段和第三音频段是否满足可拼接条件，包括：
>5.根据权利要求1...
【技术特征摘要】
1.一种语音合成模型训练方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的方法，其特征在于，所述检测关联的第一文本段、第二文本段、第三文本段、第一音频段、第二音频段和第三音频段是否满足可拼接条件，包括：
3.根据权利要求1所述的方法，其特征在于，所述检测关联的第一文本段、第二文本段、第三文本段、第一音频段、第二音频段和第三音频段是否满足可拼接条件，包括：
4.根据权利要求1中任一项所述的方法，其特征在于，所述检测关联的第一文本段、第二文本段、第三文本段、第一音频段、第二音频段和第三音频段是否满足可拼接条件，包括：
5.根据权利要求1所述的方法，其特征在于，所述按照文本顺序，以文本和音频交替的方式拼接得到组合训练数据，包括：
6.根据权利要求1所述的方法，其特征在于，所述根据所述组合训练数据集，对初始语音合成模型进行训练，得到训练好的语音合成模型，包括：
7.根据权利要求1所述的方法，其特征在于，所述根据所述组合训练数据集，对初始语音合成模型进行训练，得到训练好的语音合成模型，包括：
8.根据权利要求1所述的方法，其特征在于，所述根据所述组合训练数据集，对初始语音合成模型进行训练，得到训练好的语音合成模型，包括：
9.根据权利要求1所述的方法，其特征在于，所述根据所述组合训练数据集，对初始语音合成模型进行训练，得到训练好的语音合...
【专利技术属性】
技术研发人员：金瑞洋，杨明祺，李亚伟，
申请(专利权)人：上海稀宇极智科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。