[发明专利]一种语音合成方法、装置、智能终端及可读介质

权利要求书

1.一种语音合成方法，其特征在于，包括：

获取待合成文本，根据预设的语音特征提取算法提取所述待合成文本的待处理梅尔频谱特征；

将所述待处理梅尔频谱特征输入预设的ResUnet网络模型，获取第一中间特征；

对所述待处理梅尔频谱特征进行平均池化处理和第一下采样处理，获取第二中间特征；以所述第二中间特征和所述ResUnet网络模型输出的所述第一中间特征为输入，进行反卷积处理和第一上采样处理，获取与所述待处理梅尔频谱特征对应的目标梅尔频谱特征；

将所述目标梅尔频谱特征转换为语音，生成与所述待合成文本对应的目标语音。

2.根据权利要求1所述的方法，其特征在于，所述将所述待处理梅尔频谱特征输入预设的ResUnet网络模型，获取第一中间特征的步骤，还包括：

通过所述ResUnet网络模型对所述待处理梅尔频谱特征进行第二下采样处理、残差连接处理和第二上采样处理，获取所述第一中间特征。

3.根据权利要求2所述的方法，其特征在于，所述ResUnet网络模型包括上采样模块、至少一个残差连接模块和至少一个下采样模块；

所述将所述待处理梅尔频谱特征输入预设的ResUnet网络模型，获取第一中间特征的步骤，还包括：

通过所述下采样模块对所述待处理梅尔频谱特征进行第二下采样处理；

通过至少一个所述残差连接模块对所述下采样模块输出的结果进行第二下采样处理和残差连接处理；

通过至少一个所述上采样模块对所述残差连接模块输出的结果进行第二上采样处理，并对第二上采样处理之后的输出结果与所述残差连接模块输出的结果模块进行相加处理，获取所述第一中间特征。

4.根据权利要求1所述的方法，其特征在于，所述对所述待处理梅尔频谱特征进行平均池化处理和第一下采样处理，获取第二中间特征的步骤，还包括：

对所述待处理梅尔频谱特征进行至少一次平均池化处理；

在每一次平均池化处理之后，对处理结果进行第一下采样处理；

获取所述第二中间特征。

5.根据权利要求4所述的方法，其特征在于，所述以所述第二中间特征和所述ResUnet网络模型输出的所述第一中间特征为输入，进行反卷积处理和第一上采样处理，获取与所述待处理梅尔频谱特征对应的目标梅尔频谱特征的步骤，还包括：

对所述第一中间特征和所述第二中间特征进行反卷积处理；

对处理结果进行至少一次第一上采样处理；

对第一上采样处理的处理结果和所述第一下采样处理之后的处理结果进行相加处理，并进行反卷积处理；

获取所述目标梅尔频谱特征。

6.一种语音合成装置，其特征在于，包括：

特征提取模块，用于获取待合成文本，根据预设的语音特征提取算法提取所述待合成文本的待处理梅尔频谱特征；

ResUnet模块，用于将所述待处理梅尔频谱特征输入预设的ResUnet网络模型，获取第一中间特征；

后置处理模块，用于对所述待处理梅尔频谱特征进行平均池化处理和第一下采样处理，获取第二中间特征，以所述第二中间特征和所述ResUnet网络模型输出的所述第一中间特征为输入，进行反卷积处理和第一上采样处理，获取与所述待处理梅尔频谱特征对应的目标梅尔频谱特征；

语音合成模块，用于将所述目标梅尔频谱特征转换为语音，生成与所述待合成文本对应的目标语音。

7.根据权利要求6所述的装置，其特征在于，所述ResUnet模块还用于通过所述ResUnet网络模型对所述待处理梅尔频谱特征进行第二下采样处理、残差连接处理和第二上采样处理，获取所述第一中间特征。