[发明专利]语音合成方法、装置、设备及存储介质

权利要求书

1.一种语音合成方法，其特征在于，包括：

获取待合成文本，并将所述待合成文本输入语音合成模型，其中，所述语音合成模型包括应用层、输出层、图编码器和注意力机制；

基于所述应用层将所述待合成文本转换为图嵌入向量信息；

根据所述图编码器对所述图嵌入向量信息进行编码，生成对应的第一韵律向量信息，并将所述第一韵律向量信息作为第一中间向量信息；

基于所述注意力机制，根据所述第一中间向量信息生成对应的梅尔语谱信息；

通过所述输出层输出所述梅尔语谱信息对应的语音合成信息。

2.如权利要求1所述的语音合成方法，其特征在于，所述语音合成模型还包括编码器；所述并将所述第一韵律向量信息作为第一中间向量信息之后，所述通过所述输出层输出所述梅尔语谱信息对应的语音合成信息之前，还包括：

基于所述应用层将所述待合成文本转换为文本向量信息；

根据所述编码器对所述文本向量信息进行编码，生成对应的隐藏向量信息；

将所述隐藏向量信息和所述第一中间向量信息进行拼接，生成对应的第二中间向量信息；

基于所述注意力机制和所述第二中间向量信息，生成对应的梅尔语谱信息。

3.如权利要求1所述的语音合成方法，其特征在于，所述图嵌入向量信息包括点多个结点向量和多个边向量；

所述根据所述图编码器对所述图嵌入向量信息进行编码，生成对应的第一韵律向量信息，包括：

通过所述图编码器获取各个所述结点向量之间的边向量，并对所述边向量进行编码，得到所述图嵌入向量信息对应的第一韵律向量信息，其中，所述边向量表示对应两个所述结点向量的韵律关系。

4.如权利要求1所述的语音合成方法，其特征在于，所述基于所述注意力机制，根据所述第一中间向量信息生成对应的梅尔语谱信息，包括：

将所述第一中间向量信息输入到所述注意力机制中，通过所述注意力机制中的权重矩阵获取所述第一中间向量信息中各个结点的上下文韵律信息；

通过对所述第一中间向量信息中各个结点的上下文韵律信息进行解码，生成对应的梅尔频谱信息。

5.如权利要求1所述的语音合成方法，其特征在于，所通过所述输出层输出所述梅尔语谱信息对应的语音合成信息，包括：

通过所述输出层提取所述梅尔频谱信息中的语音频域特征；

并对所述语音频域特征进行映射，获取所述输出层输出对应的语音合成信息。

6.如权利要求1所述的语音合成方法，其特征在于，所述基于所述应用层将所述待合成文本转换为图嵌入向量信，包括：

通过所述应用层将所述待合成文本拆分为各个字词，并获取各个字词之间的顺序关系；

对各个字词以及各个所述字词之间的顺序关系进行映射转换，得到所述待合成文本对应的图嵌入向量信息。

7.如权利要求1所述的语音合成方法，其特征在于，所述获取待合成文本之前，还包括：

获取待训练语音文本，其中，所述待训练语音文本包括文本信息以及所述文本信息对应的语音信息；

通过所述文本信息和所述语音信息训练预置语音序列模型，得到所述文本信息对应的图嵌入向量信息和所述语音信息对应的梅尔频谱信息；

通过所述图嵌入向量信息和所述梅尔频谱信息得到对应的损失函数，并通过所述损失函数更新所述预置语音序列模型的模型参数，生成对应的语音合成模型。