[发明专利]语音合成方法、装置、计算机设备及存储介质

说明书

本发明公开了一种语音合成方法、装置、计算机设备及存储介质，该方法通过获取待配音视频中的人脸图片；提取所述人脸图片的人脸特征；根据所述人脸特征确定所述待配音视频中的人脸图片对应的人脸标签；从声学模型库中选取所述人脸标签对应的声学模型，所述声学模型包括多个语音标签；确定多个所述语音标签中每个所述语音标签对应的语音特征参数；采用每个所述语音标签对应的语音特征参数为所述待配音视频中的人脸图片对应的角色合成语音，以实现提高配音准确率目的。

技术领域

本发明涉及计算机领域，尤其涉及一种语音合成方法、装置、计算机设备及存储介质。

背景技术

目前，随着新媒体的不断发展，逐渐诞生了适用于网络的自媒体，这些自媒体通常会制作一些简单的配音视频用以娱乐大众。然而在这一类视频中，由于制作成本的原因，视频中的角色配音通常采用语音合成技术得到。由于当前的语音合成技术音色单一，只有简单的一种和两种音色，这样会容易导致人物角色之间缺乏关联性，人物角色的人脸和声音不相匹配或者匹配度不高，从而导致配音准确率不高。

发明内容

本发明实施例提供一种语音合成方法、装置、计算机设备及存储介质，以实现提高配音的准确率的目的。

一种语音合成方法，包括：

获取待配音视频中的人脸图片；

提取所述人脸图片的人脸特征；

根据所述人脸特征确定所述待配音视频中的人脸图片对应的人脸标签；

从声学模型库中选取所述人脸标签对应的声学模型，所述声学模型包括多个语音标签；

确定多个所述语音标签中每个所述语音标签对应的语音特征参数；

采用每个所述语音标签对应的语音特征参数为所述待配音视频中的人脸图片对应的角色合成语音。

一种语音合成装置，包括：

第一获取模块，用于获取待配音视频中的人脸图片；

第一提取模块，用于提取所述人脸图片的人脸特征；

第一确定模块，用于根据所述人脸特征确定所述待配音视频中的人脸图片对应的人脸标签；

选取模块，用于从声学模型库中选取所述人脸标签对应的声学模型，所述声学模型包括多个语音标签；

第二确定模块，用于确定多个所述语音标签中每个所述语音标签对应的语音特征参数；

合成模块，用于采用每个所述语音标签对应的语音特征参数为所述待配音视频中的人脸图片对应的角色合成语音。

一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述语音合成方法的步骤。

一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述语音合成方法的步骤。

上述语音合成方法、装置、计算机设备及存储介质，通过获取待配音视频中的人脸图片，然后对人脸图片的人脸特征分析得到人脸图片对应的人脸标签，然后根据人脸标签从声学模型库中选取声学模型，采用声学模型对应的语音特征参数来合成声音，能够依据人脸得到不同语音特征参数，根据语音特征参数合成声音，能够识别娱乐视频中的角色人脸特征，从而根据人脸特征为人物角色匹配一个最贴合人脸特征的声学模型，使得配音与人物角色之间的关联性增强，提高了人脸与配音之间的匹配度，避免了人声不对应的情况，从而提高配音的准确率。

附图说明