[发明专利]语音合成方法和装置

权利要求书

1.一种语音合成方法，包括：

获取文本；

确定所述文本的语音学特征；

将所述语音学特征输入至预先训练的、目标用户对应的语音合成模型，得到所述目标用户针对所述文本的语音数据，其中，所述语音合成模型基于所述目标用户的歌唱数据训练得到。

2.根据权利要求1所述的方法，其中，所述语音合成模型包括声学特征预测模型和声码器；以及

所述将所述语音学特征输入至预先训练的、目标用户对应的语音合成模型，得到所述目标用户针对所述文本的语音数据，包括：

将所述文本的语音学特征输入至所述声学特征预测模型，得到输入的语音学特征对应的声学特征；

将得到的声学特征输入至所述声码器，得到输入的声学特征对应的语音数据。

3.根据权利要求2所述的方法，其中，所述声学特征预测模型的训练数据包括所述目标用户的歌唱数据的语音学特征和声学特征，所述声码器的训练数据包括所述目标用户的歌唱数据和对应的声学特征。

4.根据权利要求2所述的方法，其中，所述声学特征预测模型的训练数据还包括样本用户集中的用户的说话数据和/或歌唱数据的语音学特征和声学特征，所述样本用户集不包括所述目标用户。

5.根据权利要求1-4之一所述的方法，其中，所述语音学特征包括以下至少一项：音素特征、声调特征、音高特征。

6.根据权利要求5所述的方法，其中，所述音高特征使用文本对应的语音对应的MIDI文件表示。

7.根据权利要求5所述的方法，其中，所述语音学特征还包括韵律特征，其中，韵律特征用于表征文本对应的语音中的各个音素分别在其所在的词语和/或句子的位置。

8.一种语音合成装置，其中，所述装置包括：

获取单元，被配置成获取文本；

确定单元，被配置成确定所述文本的语音学特征；

合成单元，被配置成将所述语音学特征输入至预先训练的、目标用户对应的语音合成模型，得到所述目标用户针对所述文本的语音数据，其中，所述语音合成模型基于所述目标用户的歌唱数据训练得到。

9.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。

10.一种计算机可读介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如权利要求1-7中任一所述的方法。