[发明专利]文本转语音方法、装置、电子设备及存储介质

说明书

本发明涉及自然语言处理技术，揭露一种文本转语音方法，包括：接收待转换文本，对所述待转换文本执行字嵌入及位置嵌入，得到文本编码向量，从所述文本编码向量中提取语义信息，得到语义向量，对所述待转换文本执行词性标注，得到词性标注信息，对所述待转换文本执行分词，得到词组集，利用所述语义向量及所述词性标注信息，检测所述词组集中每组词组的音调及拼音，得到音调集及拼音集，合成所述音调集及所述拼音集，得到所述待转换文本的语音。本发明还揭露文本转语音装置、电子设备以及存储介质。本发明可解决文本转语音的准确率较低。

技术领域

本发明涉及自然语言处理领域，尤其涉及一种文本转语音方法、装置、电子设备及计算机可读存储介质。

背景技术

伴随人工智能蓬勃发展，文本转语音技术(TTS)也成为热点的技术突破方向，目前文本转语音技术主要结合中文分词、多音字消歧、韵律划分等传统方法，由于缺少对文本的深度提取，导致文本转语音的准确率较低。也有部分文本转语音技术基于神经网络来提升数据特征的效果，但所使用的神经网络较简单，导致文本转语音的准确率有待进一步提高。

发明内容

本发明提供一种文本转语音方法、装置、电子设备及计算机可读存储介质，其主要目的在于解决文本转语音的准确率较低。

为实现上述目的，本发明提供的一种文本转语音方法，包括：

接收待转换文本，对所述待转换文本执行字嵌入及位置嵌入，得到文本编码向量；

从所述文本编码向量中提取语义信息，得到语义向量；

对所述待转换文本执行词性标注，得到词性标注信息；

对所述待转换文本执行分词，得到词组集；

利用所述语义向量及所述词性标注信息，检测所述词组集中每组词组的音调及拼音，得到音调集及拼音集；

合成所述音调集及所述拼音集，得到所述待转换文本的语音。

可选地，所述对所述待转换文本执行字嵌入及位置嵌入，得到文本编码向量，包括：

将所述待转换文本执行去噪及分词处理，得到待转换词组集；

根据所述待转换词组集的数量，构建相同数量且向量维度固定的空向量，将所述待转换词组集中每个待转换词组映射至所述空向量中，得到字嵌入向量集；

计算所述待转换词组集中每个待转换词组在所述待转换文本的位置，得到词组位置集，根据所述词组位置集构建位置向量集；

组合所述字嵌入向量集及所述位置向量集，得到所述文本编码向量。

可选地，所述从所述文本编码向量中提取语义信息，得到语义向量，包括：

构建并训练语义提取模型，当训练完成时，从所述语义提取模型中提取自注意力计算机制；

利用所述自注意力计算机制，提取所述文本编码向量的语义信息，得到所述语义向量。

可选地，所述训练语义提取模型，包括：

获取训练文本集及语义标签集；

将所述训练文本集输入至所述语义提取模型中，计算所述训练文本集中每个训练文本与其他训练文本的相似度，得到相似度集；

归一化所述相似度集得到权重集，利用所述权重集生成所述训练文本集的编码向量集；

对所述编码向量集及所述训练文本集执行解码操作，得到语义预测集；

计算所述语义预测集与所述语义标签集的误差值，判断所述误差值是否在预设误差范围内；