[发明专利]文本的语音合成方法、装置和计算机设备

权利要求书

1.一种文本的语音合成方法，其特征在于，所述的方法包括：

获取待识别的目标文本；

将所述目标文本中的每个字符进行离散型特征处理，以生成每个字符对应的特征向量；

将所述特征向量输入预先训练的频谱转换模型，获取所述频谱转换模型输出的所述目标文本中每个字符对应的梅尔频谱；

将所述梅尔频谱转换为语音，以获得所述目标文本对应的语音；

所述将所述特征向量输入预先训练的频谱转换模型，获取所述频谱转换模型输出的所述目标文本中每个字符对应的梅尔频谱之前，还包括：

获取预设数量的训练文本和与所述训练文本对应的配对语音；

对所述训练文本进行离散型特征处理，以获得所述训练文本中的每个字符对应的特征向量；

将所述训练文本中的每个字符对应的特征向量输入待训练的频谱转换模型，获得所述待训练的频谱转换模型输出的梅尔频谱；以及，

当所述待训练的频谱转换模型输出的梅尔频谱与所述配对语音对应的梅尔频谱之间的误差小于或等于预设阈值时，获得训练好的频谱转换模型；

所述将所述训练文本中的每个字符对应的特征向量输入待训练的频谱转换模型，获得所述待训练的频谱转换模型输出的梅尔频谱包括：

通过所述待训练的频谱转换模型，对所述训练文本进行编码，获得与所述训练文本对应的隐藏状态序列，所述隐藏状态序列包括至少两个隐节点；

根据每个字符对应的隐节点的权值，分别对所述隐节点进行加权计算，获得所述训练文本中的每个字符对应的语义向量；

对每个字符对应的语义向量进行解码，并输出每个字符对应的梅尔频谱。

2.根据权利要求1所述的方法，其特征在于，所述将所述训练文本中的每个字符对应的特征向量输入待训练的频谱转换模型，获得所述待训练的频谱转换模型输出的梅尔频谱之后，还包括：

当所述待训练的频谱转换模型输出的梅尔频谱与所述配对语音对应的梅尔频谱之间的误差大于所述预设阈值时，对每个隐节点的权值进行更新；

分别对更新权值后的隐节点进行加权计算，以获得所述训练文本中的每个字符对应的语义向量；

对每个字符对应的语义向量进行解码，并输出每个字符对应的梅尔频谱；以及，当所述每个字符对应的梅尔频谱与所述配对语音对应的梅尔频谱之间的误差小于或等于预设阈值时，停止对每个隐节点的权值的更新过程，并获得训练好的频谱转换模型。

3.根据权利要求1-2任意一项所述的方法，其特征在于，所述将所述梅尔频谱转换为语音，以获得所述目标文本对应的语音包括：

通过声码器对所述梅尔频谱进行傅里叶逆变换，以将所述梅尔频谱转换为时域的语音波形信号，获得所述语音。

4.一种文本的语音合成装置，其特征在于，所述的装置包括：

获取模块，用于获取待识别的目标文本，并用于获取通过处理模块进行离散型特征处理之后的所述目标文本中的每个字符对应的特征向量，以及将所述目标文本中每个字符对应的特征向量输入至预先训练的频谱转换模型，以获取所述频谱转换模型输出的所述目标文本中每个字符对应的梅尔频谱；

转换模块，用于将所述获取模块获取的梅尔频谱转换为语音，以获得所述目标文本对应的语音；

所述获取模块，还用于在将所述特征向量输入预先训练的频谱转换模型，获取所述频谱转换模型输出的所述目标文本中每个字符对应的梅尔频谱之前，获取预设数量的训练文本和与所述训练文本对应的配对语音；获取通过所述处理模块对所述训练文本进行离散型特征处理之后所获得的所述训练文本中每个字符对应的特征向量；将所述训练文本中的每个字符对应的特征向量输入待训练的频谱转换模型，获得所述待训练的频谱转换模型输出的梅尔频谱；以及，当所述待训练的频谱转换模型输出的梅尔频谱与所述配对语音对应的梅尔频谱之间的误差小于或等于预设阈值时，获得训练好的频谱转换模型；

所述获取模块将所述训练文本中的每个字符对应的特征向量输入待训练的频谱转换模型，获得所述待训练的频谱转换模型输出的梅尔频谱，具体用于通过待训练的频谱转换模型，对所述训练文本进行编码，获得与所述训练文本对应的隐藏状态序列，所述隐藏状态序列包括至少两个隐节点，并根据每个字符对应的隐节点的权值，分别对所述隐节点进行加权计算，获得所述训练文本中的每个字符对应的语义向量，以及对每个字符对应的语义向量进行解码，并输出每个字符对应的梅尔频谱。