[发明专利]基于人工智能的语料扩充及语音合成系统构建方法及装置有效
| 申请号： | 201810102381.2 | 申请日： | 2018-02-01 |
| 公开（公告）号： | CN108573694B | 公开（公告）日： | 2022-01-28 |
| 发明（设计）人： | 顾宇;王振宇;李昊;康永国 | 申请（专利权）人： | 北京百度网讯科技有限公司 |
| 主分类号： | G10L13/08 | 分类号： | G10L13/08;G10L25/30;G06F16/30;G06F16/18 |
| 代理公司： | 北京鸿德海业知识产权代理有限公司 11412 | 代理人： | 袁媛 |
| 地址： | 100085 北京市*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 基于 人工智能 语料 扩充 语音 合成 系统 构建 方法 装置 | ||
1.一种基于人工智能的语料扩充方法，其特征在于，包括：
根据音库中的语料，训练得到WaveNet模型，所述音库为小样本音库；
利用所述WaveNet模型，生成给定文本对应的语音波形，所述给定文本为：满足预定文本覆盖率要求的文本；
将生成的语音波形对应的语料补充到所述音库中，将所述小样本音库扩充为大样本音库。
2.根据权利要求1所述的方法，其特征在于，
所述利用所述WaveNet模型，生成给定文本对应的语音波形之前，进一步包括：
根据音库中的语料，训练得到时长预测模型以及基频预测模型；
利用所述时长预测模型以及所述基频预测模型，分别预测出所述给定文本对应的时长信息以及基频信息；
所述利用所述WaveNet模型，生成给定文本对应的语音波形包括：
根据预测出的时长信息、基频信息以及所述WaveNet模型，生成所述给定文本对应的语音波形。
3.根据权利要求1所述的方法，其特征在于，
该方法进一步包括：
利用所述大样本音库中的语料，构建出统计参数语音合成系统。
4.一种基于人工智能的统计参数语音合成系统构建方法，其特征在于，包括：
根据小样本音库中的语料，训练得到WaveNet模型；
利用所述WaveNet模型，生成给定文本对应的语音波形，所述给定文本为：满足预定文本覆盖率要求的文本；
将生成的语音波形对应的语料补充到所述小样本音库中，得到大样本音库；
利用所述大样本音库中的语料，构建出统计参数语音合成系统。
5.根据权利要求4所述的方法，其特征在于，
所述利用所述WaveNet模型，生成给定文本对应的语音波形之前，进一步包括：
根据小样本音库中的语料，训练得到时长预测模型以及基频预测模型；
利用所述时长预测模型以及所述基频预测模型，分别预测出所述给定文本对应的时长信息以及基频信息；
所述利用所述WaveNet模型，生成给定文本对应的语音波形包括：
根据预测出的时长信息、基频信息以及所述WaveNet模型，生成所述给定文本对应的语音波形。
6.一种基于人工智能的语料扩充装置，其特征在于，包括：第一训练单元、第一生成单元以及第一扩充单元；
所述第一训练单元，用于根据音库中的语料，训练得到WaveNet模型，所述音库为小样本音库；
所述第一生成单元，用于利用所述WaveNet模型，生成给定文本对应的语音波形，所述给定文本为：满足预定文本覆盖率要求的文本；
所述第一扩充单元，用于将生成的语音波形对应的语料补充到所述音库中，将所述小样本音库扩充为大样本音库。
7.根据权利要求6所述的装置，其特征在于，
所述第一训练单元进一步用于，根据音库中的语料，训练得到时长预测模型以及基频预测模型；
所述第一生成单元进一步用于，利用所述时长预测模型以及所述基频预测模型，分别预测出所述给定文本对应的时长信息以及基频信息，根据预测出的时长信息、基频信息以及所述WaveNet模型，生成所述给定文本对应的语音波形。
8.根据权利要求6所述的装置，其特征在于，
所述装置中进一步包括：第一构建单元；
所述第一构建单元，用于利用所述大样本音库中的语料，构建出统计参数语音合成系统。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京百度网讯科技有限公司，未经北京百度网讯科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201810102381.2/1.html，转载请声明来源钻瓜专利网。
