[发明专利]语音合成方法、装置、电子设备和存储介质

说明书

本申请提供了一种语音合成方法、装置、电子设备和存储介质，涉及计算机技术领域，具体涉及语音技术和深度学习等人工智能技术领域。具体实现方案为：获取待合成文本，并获取第一用户的音色特征；获取第二用户的阅读风格特征；根据待合成文本、第一用户的音色特征、阅读风格特征生成第一音频特征；根据第一音频特征生成目标语音。由此，通过利用第一用户的音色特征和第二用户的阅读风格特征，将待合成文本生转换为目标语音，使得生成的目标语音同时具备第一用户的音色和第二用户的阅读风格，使得生成的目标语音在保持第一用户的音色不变的情况下，迁移了第二用户的阅读风格，实现了语音合成的风格迁移。

技术领域

本申请涉及计算机技术领域，具体涉及语音技术和深度学习等人工智能技术领域，尤其涉及一种语音合成方法、装置、电子设备和存储介质。

背景技术

语音合成，又称文语转换技术，能将任意文字信息实时转化为标准流畅的语音朗读出来。

目前，语音合成的应用越来越广泛。语音合成的风格，直接与录音风格相关，比如诗歌风格的录音，训练出来的模型能够出诗歌风格的语音，新闻风格的录音，训练出来的模型能出新闻风格的语音。如何合成多种风格的语音，满足人们的多样化需求，是亟待解决的问题。

发明内容

本申请提供一种语音合成方法、装置、电子设备和存储介质。

根据本申请的一方面，提供了一种语音合成方法，包括：

获取待合成文本，并获取第一用户的音色特征；

获取第二用户的阅读风格特征；

根据所述待合成文本、所述第一用户的音色特征、所述阅读风格特征生成第一音频特征；

根据所述第一音频特征生成目标语音。

根据本申请的另一方面，提供了一种语音合成装置，包括：

第一获取模块，用于获取待合成文本，并获取第一用户的音色特征；

第二获取模块，用于获取第二用户的阅读风格特征；

第一生成模块，用于根据所述待合成文本、所述第一用户的音色特征、所述阅读风格特征生成第一音频特征；

第二生成模块，用于根据所述第一音频特征生成目标语音。

根据本申请的另一方面，提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述一方面实施例所述的语音合成方法。

根据本申请另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其上存储有计算机程序，所述计算机指令用于使所述计算机执行上述一方面实施例所述的语音合成方法。

上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1为本申请实施例提供的一种语音合成方法的流程示意图；

图2为本申请实施例提供的另一种语音合成方法的流程示意图；

图3为本申请实施例提供的另一种语音合成方法的流程示意图；

图4为本申请实施例提供的另一种语音合成方法的流程示意图；

图5为本申请实施例提供的另一种语音合成方法的流程示意图；