[发明专利]语音合成模型训练方法、语音合成方法和装置

说明书

本申请实施例公开了一种语音合成模型训练方法、语音合成方法、装置存储介质和电子设备，其中，语音合成模型训练方法包括：从音频库中提取音频文件的声学特征、音频波形点；对所述音频文件的所述音频波形点、所述音频文件上采样后的所述声学特征分别进行编码，并对编码后的所述音频文件的所述音频波形点、所述音频文件上采样后的所述声学特征进行拼接，得到拼接特征；将所述拼接特征输入到预设神经网络中进行训练；在训练过程中对所述预设神经网络中的网络参数进行迭代更新，在迭代终止后得到语音合成模型。采用语音合成模型训练方法训练得到的语音合成模型，其合成的语音发音更自然，与真实的人类语音更相近。

技术领域

本申请涉及语音技术，尤其涉及一种语音合成模型训练方法、语音合成方法和装置。

背景技术

语音合成是通过机械的、电子的方法产生人造语音的技术。语音合成技术能够利用输入的文本信息，自动生成仿真的人类语音。

相关技术中，将文本信息转化为声学特征，再根据声学特征对真人发声进行近似模拟。采用这种方式合成的语音具有较重的机器感，与真实的人类语音相比，不够自然。

发明内容

目前传统的语音合成技术主要是将文本信息转化为声学特征，再根据声学特征对真人发声进行近似模拟，但这种方式合成的人类语音与真实的人类语音相比，具有较重的机器感，不够自然。

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种语音合成模型训练方法、装置、存储介质和电子设备。

本申请的实施例还提供了一种语音合成方法、装置、存储介质和电子设备。

第一方面，本申请实施例提供了一种语音合成模型训练方法，包括：

从音频库中提取音频文件的声学特征、音频波形点；

对所述音频文件的所述音频波形点、所述音频文件上采样后的所述声学特征分别进行编码，并对编码后的所述音频文件的所述音频波形点、所述音频文件上采样后的所述声学特征进行拼接，得到拼接特征；

将所述拼接特征输入到预设神经网络中进行训练；

在训练过程中对所述预设神经网络中的网络参数进行迭代更新，在迭代终止后得到语音合成模型。

第二方面，本申请实施例提供了一种语音合成模型训练装置，包括：

提取模块，用于从音频库中提取音频文件的声学特征、音频波形点；

拼接特征获取模块，用于对所述音频文件的所述音频波形点、所述音频文件上采样后的所述声学特征分别进行编码，并对编码后的所述音频文件的所述音频波形点、所述音频文件上采样后的所述声学特征进行拼接，得到拼接特征；

特征输入模块，用于将所述拼接特征输入到预设神经网络中进行训练；

模型获取模块，用于在训练过程中对所述预设神经网络中的网络参数进行迭代更新，在迭代终止后得到语音合成模型。

第三方面，本申请实施例提供了一种语音合成方法，包括：

获取目标声学特征；

将所述目标声学特征输入到语音合成模型中，得到目标语音编码，其中，所述语音合成模型是采用上述第一方面提供的语音合成模型训练方法得到的；

对所述目标语音编码进行解码，得到合成音频。

第四方面，本申请实施例提供了一种语音合成装置，包括：

特征获取模块，用于获取目标声学特征；

目标语音编码获取模型，用于将所述目标声学特征输入到语音合成模型中，得到目标语音编码，其中，所述语音合成模型是采用上述第一方面提供的语音合成模型训练方法得到的；