[发明专利]获取语音训练样本的方法和装置

说明书

本公开的实施例涉及语音合成技术领域。本公开的实施例公开了获取语音训练样本的方法和装置。该方法的一具体实施方式包括：响应于检测到录制目标语句对应的用户语音的指令，展示该目标语句的录音参照信息；对用户根据该录音参照信息发出的语音进行录制，得到该目标语句对应的用户录音；响应于确定该目标语句对应的用户录音的质量满足预设的语音质量条件，根据该目标语句对应的用户录音生成用于对语音合成模型进行训练的训练样本。本公开的实施例在用户录音满足预设的语音质量条件的情况下，通过生成训练样本，实现后续的语音合成模型的训练，从而让训练得到的语音合成模型更加准确。

技术领域

本公开的实施例涉及计算机技术领域，具体涉及语音合成技术领域，尤其涉及获取语音训练样本的方法和装置。

背景技术

语音合成技术是通过机器设备产生人造语音的技术。一种常见的语音合成方法是采用经过训练的语音合成模型来合成语音。语音合成一般需要利用录制的用户语音进行训练，这样训练得到的模型能够生成比较符合用户声音的音色和风格的语音。

在相关技术中，用户的录音通常音质难以保证，由此训练得到的模型的准确性会受到影响。

发明内容

本公开的实施例提出了获取语音训练样本的方法和装置。

第一方面，本公开的实施例提供了一种获取语音训练样本的方法，包括：响应于检测到录制目标语句对应的用户语音的指令，展示目标语句的录音参照信息；对用户根据录音参照信息发出的语音进行录制，得到目标语句对应的用户录音；响应于确定目标语句对应的用户录音的质量满足预设的语音质量条件，根据目标语句对应的用户录音生成用于对语音合成模型进行训练的训练样本。

在一些实施例中，目标语句为预设文本段中的至少一个语句，响应于确定目标语句对应的用户录音的质量满足预设的语音质量条件，根据目标语句对应的用户录音生成用于对语音合成模型进行训练的语音训练样本，包括：响应于确定目标语句对应的用户录音的质量满足预设的语音质量条件，将目标语句确定为已处理的语句，判断预设文本段中是否存在未处理的语句；若预设文本段中存在未处理的语句，基于用户选择未处理的语句的操作将目标语句更新为预设文本段中未处理的语句，并生成录制目标语句对应的用户语音的指令。

在一些实施例中，响应于确定目标语句对应的用户录音的质量满足预设的语音质量条件，将目标语句确定为已处理的语句，包括：执行如下检测操作：判断目标语句对应的用户录音的各录音质量参数是否在对应的预设范围内；若目标语句对应的用户录音的各录音质量参数均在对应的预设范围内，将目标语句确定为已处理的语句。

在一些实施例中，方法还包括：确定未在对应的预设范围内的录音质量参数为目标录音质量参数；展示与目标录音质量参数对应的预设提示信息，其中，不同的录音质量参数对应不同的预设提示信息；重新获取目标语句对应的用户录音，并执行检测操作。

在一些实施例中，录音质量参数包括以下至少一项：信噪比、音量、每个字对应的语速；以及展示与目标录音质量参数对应的预设提示信息，包括：比较目标录音质量参数的预设范围和参数值，确定目标录音质量参数的参数偏离方向；展示参数偏离方向对应的预设提示信息。

在一些实施例中，录音质量参数包括字错误率；以及判断目标语句对应的用户录音的各录音质量参数是否在对应的预设范围内，包括：确定字错误率的参数值是否为零；以及展示与目标录音质量参数对应的预设提示信息，包括：若字错误率的参数值不为零，标记目标语句对应的用户录音中的错误字。

在一些实施例中，方法还包括：对语音录制环境的环境音进行录制，得到环境录音；对环境录音中的噪音和混响进行检测；以及响应于检测到录制目标语句对应的用户语音的指令，展示目标语句的录音参照信息，包括：响应于根据环境录音的噪音和混响的检测结果确定语音录制环境满足预设的语音录制条件，且检测到录制目标语句对应的用户语音的指令，展示目标语句的录音参照信息。

在一些实施例中，录音参照信息，包括：文本信息和/或参考录音。