[发明专利]语音合成方法、装置、设备及存储介质

说明书

本申请涉及人工智能领域，具体公开了一种语音合成方法、装置、设备及存储介质，所述方法包括：获取待合成文本，并对所述待合成文本进行音素嵌入，得到所述待合成文本对应的音素嵌入文本；将所述音素嵌入文本输入至预先训练的分类器中进行预测，得到所述待合成文本对应的语言特征；对所述音频嵌入文本和所述语言特征进行编码，得到编码序列；对所述编码序列进行注意力计算，得到注意力输出；将所述注意力输出输入至预先训练的解码器进行解码，得到所述待合成文本对应的梅尔频谱；对所述梅尔频谱进行音频转换，得到所述待合成文本对应的合成语音。能够提高合成语音的自然度。

技术领域

本申请涉及语音合成领域，尤其涉及一种语音合成方法、装置、设备及存储介质。

背景技术

随着计算机技术的不断发展，在日常生活中逐渐开始使用合成语音来进行客户服务、广播通知、新闻播报等服务。现有技术中通常使用文本转语音的方式来利用输入文本合成高质量的语音，这种方式的优点在于不需要显著的特征提取，但这种方式无法完全代表韵律语言的特征，并导致了平坦的基频率变化，这导致在合成语音时会出现梅尔频谱的失真，降低合成出语音的准确度。

发明内容

本申请提供了一种语音合成方法、装置、设备及存储介质，以提高合成语音的准确度。

第一方面，本申请提供了一种语音合成方法，所述方法包括：

获取待合成文本，并对所述待合成文本进行音素嵌入，得到所述待合成文本对应的音素嵌入文本；

将所述音素嵌入文本输入至预先训练的分类器中进行预测，得到所述待合成文本对应的语言特征；

对所述音频嵌入文本和所述语言特征进行编码，得到编码序列；

对所述编码序列进行注意力计算，得到注意力输出；

将所述注意力输出输入至预先训练的解码器进行解码，得到所述待合成文本对应的梅尔频谱；

对所述梅尔频谱进行音频转换，得到所述待合成文本对应的合成语音。

第二方面，本申请还提供了一种语音合成装置，所述装置包括：

文本获取模块，用于获取待合成文本，并对所述待合成文本进行音素嵌入，得到所述待合成文本对应的音素嵌入文本；

特征预测模块，用于将所述音素嵌入文本输入至预先训练的分类器中进行预测，得到所述待合成文本对应的语言特征；

特征编码模块，用于对所述音频嵌入文本和所述语言特征进行编码，得到编码序列；

注意计算模块，用于对所述编码序列进行注意力计算，得到注意力输出；

频谱生成模块，用于将所述注意力输出输入至预先训练的解码器进行解码，得到所述待合成文本对应的梅尔频谱；

语音合成模块，用于对所述梅尔频谱进行音频转换，得到所述待合成文本对应的合成语音。

第三方面，本申请还提供了一种计算机设备，所述计算机设备包括存储器和处理器；所述存储器用于存储计算机程序；所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现如上述的语音合成方法。

第四方面，本申请还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如上述的语音合成方法。