[发明专利]一种语音合成方法及语音合成装置

权利要求书

1.一种语音合成方法，其特征在于，包括：

获取输入文本的目标情感类型和目标情感强度参数，所述目标情感强度参数用于表征所述目标情感类型对应的情感强度；

获取与所述目标情感类型和所述目标情感强度参数对应的目标情感声学模型；

将所述输入文本的文本特征输入所述目标情感声学模型中得到所述输入文本的声学特征；

根据所述输入文本的声学特征合成目标情感语音；

其中，所述获取与所述目标情感类型和所述目标情感强度参数对应的目标情感声学模型包括：

从情感声学模型集合中选取与所述目标情感类型和所述目标情感强度参数对应的情感声学模型作为所述目标情感声学模型，所述情感声学模型集合包括多个情感声学模型，所述多个情感声学模型包括所述目标情感声学模型；

在从情感声学模型集合中选取与所述目标情感类型和所述目标情感强度参数对应的情感声学模型作为所述目标情感声学模型之前，还包括：

针对不同的情感类型和情感类型的不同情感强度参数，使用中性声学模型和对应的情感语音训练数据进行模型训练得到所述情感声学模型集合，所述情感声学模型集合包括所述目标情感声学模型，所述中性声学模型是使用中性语音训练数据进行模型训练得到的，所述情感语音训练数据对应的声学特征训练误差与所述情感强度参数相关，所述情感语音训练数据对应的声学特征训练误差用于表征在模型训练过程中使用所述情感语音训练数据预测得到的声学特征与所述情感语音训练数据的原始声学特征之间的声学特征损失。

2.根据权利要求1所述的语音合成方法，其特征在于，所述获取输入文本的目标情感类型和目标情感强度参数，包括：

根据所述输入文本的情感标签确定所述目标情感类型；

根据所述输入文本对应的情感强度要求确定所述目标情感强度参数。

3.根据权利要求1或2所述的语音合成方法，其特征在于，所述情感语音训练数据为具备一种或多种情感类型对应的情感的数据，所述中性语音训练数据为不具备任何一种情感类型对应的情感的数据。

4.根据权利要求1所述的语音合成方法，其特征在于，所述情感语音训练数据对应的声学特征训练误差是由误差计算公式进行计算得到的，所述误差计算公式为：

，

其中，所述loss为所述情感语音训练数据对应的声学特征训练误差，所述β为所述情感强度参数，所述y1为所述情感语音训练数据在所述中性声学模型下预测得到的声学特征参数，所述y2为所述情感语音训练数据在所述目标情感声学模型下预测得到的声学特征参数，所述y为所述情感语音训练数据的原始声学特征参数。

5.根据权利要求1或4所述的语音合成方法，其特征在于，所述中性声学模型和所述情感声学模型均是基于隐马尔科夫模型或者深度神经网络模型构造得到的。

6.一种语音合成装置，其特征在于，包括：

处理模块，用于获取输入文本的目标情感类型和目标情感强度参数，所述目标情感强度参数用于表征所述目标情感类型对应的情感强度；获取与所述目标情感类型和所述目标情感强度参数对应的目标情感声学模型；将所述输入文本的文本特征 输入所述目标情感声学模型中得到所述输入文本的声学特征；根据所述输入文本的声学特征合成目标情感语音；

所述处理模块具体用于：

从情感声学模型集合中选取与所述目标情感类型和所述目标情感强度参数对应的情感声学模型作为所述目标情感声学模型，所述情感声学模型集合包括多个情感声学模型，所述多个情感声学模型包括所述目标情感声学模型；

所述处理模块还用于：

针对不同的情感类型和情感类型的不同情感强度参数，使用中性声学模型和对应的情感语音训练数据进行模型训练得到所述情感声学模型集合，所述情感声学模型集合包括所述目标情感声学模型，所述中性声学模型是使用中性语音训练数据进行模型训练得到的，所述情感语音训练数据对应的声学特征训练误差与所述情感强度参数相关，所述情感语音训练数据对应的声学特征训练误差用于表征在模型训练过程中使用所述情感语音训练数据预测得到的声学特征与所述情感语音训练数据的原始声学特征之间的声学特征损失。