[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

本申请公开了一种语音合成方法、装置、计算机设备及存储介质，属于语音信号处理领域。方法包括：获取第一对象的原始语音；对原始语音进行语音识别，得到原始语音对应的原始发音序列，原始发音序列中包括原始语音中各个字词的原始字词发音；从目标字词库中获取原始字词发音对应的目标字词发音，目标字词库中存储有第二对象对各个字词的字词发音；对各个目标字词发音进行拼接，生成目标发音序列；根据目标发音序列合成目标语音，目标语音具有第二对象的声音特征。采用本申请的语音合成方法，可直接利用第二对象的声音特征来实现合成目标语音，提高了语音合成的准确性，且目标语音具备原始语音的音高特征，使得目标语音呈现原始语音的流畅度。

技术领域

本申请实施例涉及语音信号处理领域，特别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

随着人工智能技术的不断发展，人类基于智能电子设备所实现的娱乐活动越来越丰富。如在语音通话过程中，可实现声音转换，使得第一对象所发出的声音转换成第二对象的声音，进一步丰富了语音通话场景；又如手机语音助手以及语音导航软件等，可实现提示语音的自定义说话对象，例如导航时的语音提示声音是某一位明星的声音。

与上述应用场景息息相关的技术为语音转换技术，随着人类对语音的要求越来越高，语音转换技术显得越来越重要，应用也越来越普遍。相关技术中用于实现语音转换的惯用技术手段为根据第二对象的声音特征建立转换模型，从而通过转换模型对第一对象声音特征进行训练，使得第一对象声音特征尽可能逼近第二对象声音特征，最终将第一对象的语音合成为第二对象的语音。

然而，由于第二对象语音环境的多样性，转换模型存在一定误差，因此，在通过转换模型对第一对象声音特征进行训练的过程中，易出现合成语音不理想的问题。

发明内容

本申请实施例提供了一种语音合成方法、装置、计算机设备及存储介质，所述技术方案如下：

一方面，提供了一种语音合成方法，所述方法包括：

获取第一对象的原始语音；

对所述原始语音进行语音识别，得到所述原始语音对应的原始发音序列，所述原始发音序列中包括所述原始语音中各个字词的原始字词发音；

从目标字词库中获取所述原始字词发音对应的目标字词发音，所述目标字词库中存储有第二对象对各个字词的字词发音，所述目标字词发音与所述原始字词发音匹配；

对各个所述目标字词发音进行拼接，生成目标发音序列；

根据所述目标发音序列合成目标语音，所述目标语音具有所述第二对象的声音特征。

另一方面，提供了一种语音合成装置，所述装置包括：

语音获取模块，用于获取第一对象的原始语音；

语音识别模块，用于对所述原始语音进行语音识别，得到所述原始语音对应的原始发音序列，所述原始发音序列中包括所述原始语音中各个字词的原始字词发音；

发音获取模块，用于从目标字词库中获取所述原始字词发音对应的目标字词发音，所述目标字词库中存储有第二对象对各个字词的字词发音，所述目标字词发音与所述原始字词发音匹配；

发音拼接模块，用于对各个所述目标字词发音进行拼接，生成目标发音序列；

语音合成模块，用于根据所述目标发音序列合成目标语音，所述目标语音具有所述第二对象的声音特征。

另一方面，提供了一种计算机设备，所述计算机设备包括处理器和存储器；所述存储器存储有至少一条指令，所述至少一条指令用于被所述处理器执行以实现如上述方面所述的语音合成方法。