[发明专利]藏语声学特征模型的构建方法及系统

权利要求书

1.一种藏语声学特征模型的构建方法，包括：

将与多个发音人分别对应的藏语语音训练音频转换成与所述多个发音人对应的音素序列；

构建注意力机制编解码框架的藏语声学特征模型，其中，所述藏语声学特征模型包括：编码层、注意力机制层以及解码层；

将所述多个发音人对应的音素序列作为所述编码层的输入，得到各发音人身份属性的拟藏语语音特征；

通过注意力机制层确定所述各发音人身份属性的拟藏语语音特征的注意力概率；

将所述各发音人身份属性的拟藏语语音特征以及对应的注意力概率作为解码层的输入，输出处理后的多个发音人身份属性的藏语语音特征。

2.根据权利要求1所述的方法，其中，所述将所述多个发音人对应的音素序列作为所述编码层的输入包括：

通过双向长短时记忆网络以及卷积层对所述音素序列附加上下文信息，以获得藏语语音特征；

对所述多个发音人的身份属性进行词嵌入处理，得到各发音人身份特征；

将所述藏语语音特征与各自对应的发音人身份特征拼接，得到各发音人身份属性的拟藏语语音特征。

3.根据权利要求1所述的方法，其中，所述将所述各发音人身份属性的拟藏语语音特征以及对应的注意力概率作为解码层的输入，输出处理后的多个发音人身份属性的藏语语音特征包括：

将所述各发音人身份属性的拟藏语语音特征以及对应的注意力概率加权求和后输入至Postnet模块和残差网络，得到发音人身份属性的藏语语音特征。

4.根据权利要求1所述的方法，其中，所述将与多个发音人分别对应的藏语语音训练音频转换成与所述多个发音人对应的音素序列包括：

对所述多个发音人分别对应的藏语语音训练音频进行音节点划分，确定所述藏语语音训练音频的音节；

将所述音节转换成罗马音格式，其中，所述音节包括：基字、上加字、下加字、前加字、后加字以及后后加字；

基于所述罗马音格式内的空格作为分隔符，确定多个发音人对应的音素序列。

5.根据权利要求1所述的方法，其中，在所述将与多个发音人分别对应的藏语语音训练音频转换成与所述多个发音人对应的音素序列之前，所述方法还包括：

通过语音活动检测去除所述藏语语音训练音频的首尾静音帧。

6.一种藏语语音合成方法，包括：

将待合成语音的藏语文本以及待合成发音人，输入至所述权利要求1训练的藏语声学特征模型，输出与所述待合成发音人对应的藏语文本的语音特征，其中，所述待合成发音人从所述多个发音人中选取；

将所述待合成发音人对应的藏语文本的语音特征转换成藏语语音。

7.一种藏语声学特征模型的构建系统，包括：

音素序列确定程序模块，用于将与多个发音人分别对应的藏语语音训练音频转换成与所述多个发音人对应的音素序列；

模型构建程序模块，用于构建注意力机制编解码框架的藏语声学特征模型，其中，所述藏语声学特征模型包括：编码层、注意力机制层以及解码层；

拟藏语语音特征确定程序模块，用于将所述多个发音人对应的音素序列作为所述编码层的输入，得到各发音人身份属性的拟藏语语音特征；

注意力概率确定程序模块，用于通过注意力机制层确定所述各发音人身份属性的拟藏语语音特征的注意力概率；

语音特征确定程序模块，用于将所述各发音人身份属性的拟藏语语音特征以及对应的注意力概率作为解码层的输入，输出处理后的多个发音人身份属性的藏语语音特征。

8.一种藏语语音合成系统，包括：

语音特征确定程序模块，用于将待合成语音的藏语文本以及待合成发音人，输入至所述权利要求1训练的藏语声学特征模型，输出与所述待合成发音人对应的藏语文本的语音特征，其中，所述待合成发音人从所述多个发音人中选取；

语音合成程序模块，用于将所述待合成发音人对应的藏语文本的语音特征转换成藏语语音。