[发明专利]语音合成方法、装置以及电子设备

权利要求书

1.一种语音合成方法，其特征在于，包括：

将文本信息输入至声学模型的编码器中，输出当前时间步的文本特征；

将所述当前时间步的文本特征与上一时间步的谱特征拼接得到的当前时间步的拼接特征，输入至所述声学模型的译码器中，得到当前时间步的谱特征；

将所述当前时间步的谱特征输入至神经网络声码器中，输出语音，

其中，将所述当前时间步的文本特征与上一时间步的谱特征拼接得到的当前时间步的拼接特征，输入至所述声学模型的译码器中，得到当前时间步的谱特征，包括：

将上一时间步的拼接特征输入至所述译码器中的至少一个门控循环单元和全连接层，输出所述上一时间步的第一谱特征；

将所述上一时间步的第一谱特征输入至另一全连接层，得到上一时间步的第二谱特征；

将所述当前时间步的文本特征与所述上一时间步的第二谱特征拼接，得到当前时间步的拼接特征；

将所述当前时间步的拼接特征输入至所述声学模型的译码器中，得到当前时间步的第一谱特征。

2.根据权利要求1所述的方法，其特征在于，将文本信息输入至声学模型的编码器中，输出当前时间步的文本特征，包括：

所述文本信息经过所述编码器中的至少一层全连接层和门控循环单元，输出所述当前时间步的文本特征。

3.根据权利要求1所述的方法，其特征在于，将所述当前时间步的谱特征输入至神经网络声码器中，输出语音，包括：

将所述当前时间步的第一谱特征输入至少一个卷积神经网络中，得到当前时间步的第二谱特征；

将所述当前时间步的第一谱特征或所述当前时间步的第二谱特征输入至所述神经网络声码器中，输出所述语音。

4.根据权利要求3所述的方法，其特征在于，还包括：

根据所述当前时间步的第一谱特征和真实谱特征计算第一损失；

根据所述当前时间步的第二谱特征和所述真实谱特征计算第二损失；

利用所述第一损失和所述第二损失作为梯度反向传播起点，训练所述声学模型。

5.一种语音合成装置，其特征在于，包括：

文本特征提取模块，用于将文本信息输入至声学模型的编码器中，输出当前时间步的文本特征；

特征回归模块，用于将所述当前时间步的文本特征与上一时间步的谱特征拼接得到的当前时间步的拼接特征，输入至所述声学模型的译码器中，得到当前时间步的谱特征；

语音合成模块，用于将所述当前时间步的谱特征输入至神经网络声码器中，输出语音，

其中，所述特征回归模块包括：

第一译码子模块，用于将上一时间步的拼接特征输入至所述译码器中的至少一个门控循环单元和全连接层，输出上一时间步的第一谱特征；

回归子模块，用于将所述上一时间步的第一谱特征输入至另一全连接层，得到上一时间步的第二谱特征；

拼接子模块，用于将所述当前时间步的文本特征与所述上一时间步的第二谱特征拼接，得到当前时间步的拼接特征；

第二译码子模块，用于将所述当前时间步的拼接特征输入至所述声学模型的译码器中，得到当前时间步的第一谱特征。

6.根据权利要求5所述的装置，其特征在于，所述文本特征提取模块包括：

编码子模块，用于所述文本信息经过所述编码器中的至少一层全连接层和门控循环单元，输出所述当前时间步的文本特征。

7.根据权利要求5所述的装置，其特征在于，所述语音合成模块包括：

平滑子模块，用于将所述当前时间步的第一谱特征输入至少一个卷积神经网络中，得到当前时间步的第二谱特征；

合成子模块，用于将所述当前时间步的第一谱特征或所述当前时间步的第二谱特征输入至所述神经网络声码器中，输出所述语音。

8.根据权利要求7所述的装置，其特征在于，还包括：

模型训练模块，用于根据所述当前时间步的第一谱特征和真实谱特征计算第一损失；根据所述当前时间步的第二谱特征和所述真实谱特征计算第二损失；利用所述第一损失和所述第二损失作为梯度反向传播起点，训练所述声学模型。