【技术实现步骤摘要】
本申请涉及人工智能，尤其涉及一种语音合成模型的训练方法、装置、设备及存储介质。
技术介绍
1、随着深度学习技术的发展，可以将深度学习应用于文本转语音的任务之中。利用扩散概率模型(diffusion probabilistic models，dpms)合成文本的语音是其中一个研究方向。
2、然而，扩散概率模型依赖于多个反向步骤逐步去噪，每一个去噪步骤都需要一定的时间，导致语音合成速度缓慢。并且，扩散概率模型是通过逐步去噪恢复输入信号的过程，这个过程中可能会产生一定的模糊性或不确定性，某些细节(如发音的清晰度、音高的准确性等)仍可能表现得较为模糊或者不稳定，导致合成的语音在自然性和清晰度上有所欠缺，影响合成的语音的质量。此外，由于扩散概率模型的复杂性，以及语音合成过程需要多次迭代并处理复杂的概率分布，训练难度高，且需要大量的计算资源，增加训练成本。
3、因此，如何在降低训练难度和训练成本的同时，提供具有更快合成速度、更高合成效果的语音合成模型，以提高合成的语音的质量，成为了亟待解决的技术问题。
...
【技术保护点】
1.一种语音合成模型的训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述通过OT-CFM机制，引导常微分方程对所述音素序列进行声学特征生成处理，得到与文本样本的期望声学特征对齐的预测声学特征，包括：
3.根据权利要求2所述的方法，其特征在于，所述将所述预测声学特征与所述期望声学特征进行对齐处理，得到所述对齐的预测声学特征，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据所述OT-CFM损失函数，将所述预测声学特征与所述期望声学特征进行对齐处理，得到所述对齐的预测声学特征，包括：
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。