[发明专利]语音合成方法和装置

说明书

本公开的实施例公开了语音合成方法和装置。该方法的一具体实施方式包括：获取文本；确定文本的语音学特征；将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，得到目标用户针对文本的语音数据，其中，语音合成模型基于目标用户的歌唱数据训练得到。该实施方式实现了基于用户的歌唱数据模拟该用户的说话数据的效果。

技术领域

本公开的实施例涉及计算机技术领域，具体涉及语音合成方法和装置。

背景技术

语音合成，又称文语转换(Text to Speech)技术，是通过机械的、电子的方法产生人造语音的技术。语音合成可以将任意的文字信息转化成标准流畅的语音信息。语音合成涉及声学、语言学、数字信号处理、计算机科学等多个学科技术，是目前中文信息处理领域的一个重要研究方向。

但是，现有的各种语音合成方法生成的语音通常都只能提供若干种不同的音色。而对于合成指定人的音色的语音是目前有待进一步深入研究的方向之一。

发明内容

本公开的实施例提出了语音合成方法和装置。

第一方面，本公开的实施例提供了一种语音合成方法，该方法包括：获取文本；确定文本的语音学特征；将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，得到目标用户针对文本的语音数据，其中，语音合成模型基于目标用户的歌唱数据训练得到。

第二方面，本公开的实施例提供了一种语音合成装置，该装置包括：获取单元，被配置成获取文本；确定单元，被配置成确定文本的语音学特征；合成单元，被配置成将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，得到目标用户针对文本的语音数据，其中，语音合成模型基于目标用户的歌唱数据训练得到。

第三方面，本公开的实施例提供了一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。

第四方面，本公开的实施例提供了一种计算机可读介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。

本公开的实施例提供的语音合成方法和装置，通过基于目标用户的歌唱数据预先训练好的目标用户对应的语音合成模型对任意文本的语音学特征进行处理，可以合成仿似目标用户念出任意文本的说话数据，也可以合成仿似目标用户唱出任意文本的歌唱数据。由此，实现了对于一些较难采集到大量说话数据的用户，可以利用根据该用户的歌唱数据便捷地生成仿似该用户念出任意文本的说话数据。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：

图1是本公开的一个实施例可以应用于其中的示例性系统架构图；

图2是根据本公开的语音合成方法的一个实施例的流程图；

图3是根据本公开的语音合成方法的又一个实施例的流程图；

图4是根据本公开的实施例的语音合成方法的一个应用场景的示意图；

图5是根据本公开的语音合成装置的一个实施例的结构示意图；

图6是适于用来实现本公开的实施例的电子设备的结构示意图。

具体实施方式

下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。