[发明专利]语音合成方法、装置、终端及存储介质在审

专利信息
申请号: 201980003388.1 申请日: 2019-12-31
公开(公告)号: CN111164674A 公开(公告)日: 2020-05-15
发明(设计)人: 李贤;黄东延;丁万;张皓;白洛玉;熊友军 申请(专利权)人: 深圳市优必选科技股份有限公司
主分类号: G10L13/047 分类号: G10L13/047;G10L13/08;G10L13/10;G10L25/30
代理公司: 深圳中细软知识产权代理有限公司 44528 代理人: 彭佳伟
地址: 518000 广东省深圳市南山区*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 语音 合成 方法 装置 终端 存储 介质
【权利要求书】:

1.一种语音合成方法,其特征在于,所述方法包括:

获取待合成文本;

获取所述待合成文本的文本特征,所述文本特征包括分词特征、多音字特征和/或韵律特征中的至少一个;

将所述文本特征输入预设的时长预测模型,获取与所述文本特征对应的时长特征;

将所述文本特征和所述时长特征输入预设的声学模型,获取与所述待合成文本对应的语音特征;

将所述语音特征转换成语音,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,所述获取所述待合成文本的文本特征的步骤之前,还包括:

对所述待合成文本进行正则化处理。

3.根据权利要求1所述的方法,其特征在于,所述获取所述待合成文本的文本特征的步骤还包括:

将所述待合成文本输入预设的分词模型,获取与所述待合成文本对应的分词特征;

将所述待合成文本和/或所述分词特征输入预设的多音字预测模型,获取所述待合成文本对应的多音字特征;

将所述待合成文本和/或所述分词特征输入预设的韵律预测模型,获取所述待合成文本对应的韵律特征。

4.根据权利要求1所述的方法,其特征在于,所述方法还包括:

获取训练样本集,所述训练样本集包含多个训练文本以及对应的文本参考特征、时长参考特征和/或语音参考特征;

将所述训练文本对应的文本参考特征作为所述时长预测模型的输入,所述时长参考特征作为时长预测模型的输出,对所述时长预测模型进行训练;

将所述文本参考特征和所述时长参考特征作为所述声学模型的输入,所述语音参考特征作为声学模型的输出,对所述声学模型进行训练。

5.根据权利要求3所述的方法,其特征在于,所述训练样本集还包含与所述多个训练文本对应的分词参考特征、多音字参考特征和/或韵律参考特征;

所述方法包括:

将所述训练文本作为所述分词模型的输入,所述分词参考特征作为分词模型的输出,对所述分词模型进行训练。

将所述训练文本和/或所述分词参考特征作为所述多音字预测模型的输入,所述多音字参考特征作为多音字预测模型的输出,对所述多音字预测模型进行训练。

将所述训练文本和/或所述分词参考特征作为所述韵律预测模型的输入,所述韵律参考特征作为韵律预测模型的输出,对所述韵律预测模型进行训练。

6.根据权利要求1所述的方法,其特征在于,所述方法还包括:

通过文本迭代器获取多个待合成文本,针对每一个待合成文本,分别执行所述获取所述待合成文本的文本特征的步骤;

将多个待合成文本对应的文本特征添加至预设的特征队列,当所述特征队列满足预设条件时,获取所述特征队列中的预设数量的文本特征,并将所述预设数量的文本特征分别输入所述时长预测模型,以使同步执行所述获取与所述文本特征对应的时长特征的步骤。

7.一种语音合成装置,其特征在于,所述装置包括:

获取模块,用于获取待合成文本;

文本特征确定模块,用于获取所述待合成文本的文本特征,所述文本特征包括分词特征、多音字特征和/或韵律特征中的至少一个;

时长特征确定模块,用于将所述文本特征输入预设的时长预测模型,获取与所述文本特征对应的时长特征;

语音特征确定模块,用于将所述文本特征和所述时长特征输入预设的声学模型,获取与所述待合成文本对应的语音特征;

转换模块,用于将所述语音特征转换成语音,生成与所述待合成文本对应的目标语音。

8.根据权利要求7所述的装置,其特征在于,所述文本特征确定模块还包括:

分词特征确定单元,用于将所述待合成文本输入预设的分词模型,获取与所述待合成文本对应的分词特征;

多音字特征确定单元,用于将所述待合成文本和/或所述分词特征输入预设的多音字预测模型,获取所述待合成文本对应的多音字特征;

韵律特征确定单元,用于将所述待合成文本和/或所述分词特征输入预设的韵律预测模型,获取所述待合成文本对应的韵律特征。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市优必选科技股份有限公司,未经深圳市优必选科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201980003388.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top