[发明专利]用于生成合成语音的方法、装置、设备和介质

权利要求书

1.一种用于生成合成语音的方法，包括：

获取第一数目个声纹特征；

利用所述第一数目个声纹特征合成第二数目个声纹特征，其中，所述第二数目大于所述第一数目；

获取第三数目个文本；

根据所述第二数目个声纹特征和第三数目个文本，生成合成语音集合。

2.根据权利要求1所述的方法，其中，所述利用所述第一数目个声纹特征合成第二数目个声纹特征，包括：

从所述第一数目个声纹特征中选取声纹特征进行按比例融合操作，生成第二数目个声纹特征。

3.根据权利要求1或2所述的方法，其中，所述获取第一数目个声纹特征，包括：

获取第一语音集合，其中，所述第一语音集合中包括语种一致的语音；

将所述第一语音集合中的语音输入至预先训练的声纹识别模型，得到与输入的语音对应的声纹特征。

4.根据权利要求3所述的方法，其中，所述获取第一语音集合，包括：

获取第二语音集合，其中，所述第二语音集合中包括的语音的数目大于所述第一语音集合中包括的语音的数目；

将所述第二语音集合中的语音输入至预先训练的语音识别模型，得到与输入的语音对应的识别文本；

根据所得到的识别文本的识别率，从所述第二语音集合中选取语音生成所述第一语音集合。

5.根据权利要求4所述的方法，其中，所述根据所得到的识别文本的识别率，从所述第二语音集合中选取语音生成所述第一语音集合，包括：

响应于确定所得到的识别文本的识别率大于预设阈值，将所得到的识别文本对应的语音输入至预先训练的语音质量检测模型，得到与输入的语音对应的质量得分；

根据所得到的质量得分，从识别率大于预设阈值的识别文本对应的语音中选取语音生成所述第一语音集合。

6.一种用于训练语音合成模型的方法，包括：

获取训练样本集合，其中，所述训练样本集合包括如权利要求1-5之一所述的合成语音集合和与所述合成语音集合对应的第三数目个文本；

获取初始语音合成模型；

将所述训练样本集合中的训练样本的文本作为输入，将与输入的文本对应的合成语音作为期望输出，训练得到语音合成模型。

7.根据权利要求6所述的方法，其中，所述方法还包括：

获取目标声纹特征；

从所述训练样本集合中选取目标声纹特征对应的训练样本生成目标训练样本集合；

将所述语音合成模型确定为初始目标声纹语音合成模型；

将所述目标训练样本集合中的目标训练样本的文本作为输入，将与输入的文本对应的合成语音作为期望输出，训练得到目标声纹语音合成模型。

8.一种用于生成合成语音的装置，包括：

第一获取单元，被配置成获取第一数目个声纹特征；

合成单元，被配置成利用所述第一数目个声纹特征合成第二数目个声纹特征，其中，所述第二数目大于所述第一数目；

第二获取单元，被配置成获取第三数目个文本；

生成单元，被配置成根据所述第二数目个声纹特征和第三数目个文本，生成合成语音集合。

9.一种用于训练语音合成模型的装置，包括：

第三获取单元，被配置成获取训练样本集合，其中，所述训练样本集合包括如权利要求1-5之一所述的合成语音集合和与所述合成语音集合对应的第三数目个文本；

第四获取单元，被配置成获取初始语音合成模型；

训练单元，被配置成将所述训练样本集合中的训练样本的文本作为输入，将与输入的文本对应的合成语音作为期望输出，训练得到所述语音合成模型。

10.一种服务器，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。

11.一种计算机可读介质，其上存储有计算机程序，其中，所述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。