[发明专利]语音合成模型生成方法和装置

权利要求书

1.一种语音合成模型生成方法，其特征在于，所述方法包括：

获取用于对语音合成模型对应的神经网络进行训练的文本的文本特征和文本对应的语音的声学特征，其中，所述声学特征中的用于训练的文本对应的语音的基频数据通过基频数据提取模型提取，所述基频数据提取模型基于利用包含的每一帧语音均对应有基频数据的语音预先对基频数据提取模型对应的神经网络进行训练而生成；

利用所述文本的文本特征和文本对应的语音的声学特征对语音合成模型对应的神经网络进行训练；

所述方法还包括：

获取用于对基频数据提取模型对应的神经网络进行训练的语音；

提取所述用于对基频数据提取模型对应的神经网络进行训练的语音的基频数据；

基于提取出的所述用于对基频数据提取模型对应的神经网络进行训练的语音的基频数据，确定所述用于对基频数据提取模型对应的神经网络进行训练的语音中满足以下条件的语音段：包含的每一帧语音均对应有基频数据；

提取出满足条件的语音段中的每一帧语音的谱参数，生成谱参数序列；

将所述谱参数序列作为所述基频数据提取模型对应的神经网络的输入，将包含满足条件的语音段中的每一帧语音对应的基频数据的基频数据序列作为所述基频数据提取模型对应的神经网络的输出，对所述基频数据提取模型对应的神经网络进行训练。

2.根据权利要求1所述的方法，其特征在于，所述基频数据提取模型对应的神经网络的类型为递归神经网络。

3.一种语音合成模型生成装置，其特征在于，所述装置包括：

获取单元，配置用于获取用于对语音合成模型对应的神经网络进行训练的文本的文本特征和文本对应的语音的声学特征，其中，所述声学特征中的用于训练的文本对应的语音的基频数据通过基频数据提取模型提取，所述基频数据提取模型基于利用包含的每一帧语音均对应有基频数据的语音预先对基频数据提取模型对应的神经网络进行训练而生成；

训练单元，配置用于利用所述文本的文本特征和文本对应的语音的声学特征对语音合成模型对应的神经网络进行训练；

所述装置还包括：

基频数据提取模型训练单元，配置用于获取用于对基频数据提取模型对应的神经网络进行训练的语音；提取所述用于对基频数据提取模型对应的神经网络进行训练的语音的基频数据；基于提取出的所述用于对基频数据提取模型对应的神经网络进行训练的语音的基频数据，确定所述用于对基频数据提取模型对应的神经网络进行训练的语音中满足以下条件的语音段：包含的每一帧语音均对应有基频数据；

基频数据提取模型训练单元进一步配置用于：提取出满足条件的语音段中的每一帧语音的谱参数，生成谱参数序列；将所述谱参数序列作为基频数据提取模型对应的神经网络的输入，将包含满足条件的语音段中的每一帧语音对应的基频数据的基频数据序列作为所述基频数据提取模型对应的神经网络的输出，对所述基频数据提取模型对应的神经网络进行训练。

4.根据权利要求3所述的装置，其特征在于，所述基频数据提取模型对应的神经网络的类型为递归神经网络。

5.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1-2中任一所述的方法。

6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-2中任一所述的方法。