[发明专利]基于人工智能的语音合成方法、装置、设备及存储介质在审
申请号: | 202111135799.1 | 申请日: | 2021-09-27 |
公开(公告)号: | CN113870835A | 公开(公告)日: | 2021-12-31 |
发明(设计)人: | 张旭龙;王健宗 | 申请(专利权)人: | 平安科技(深圳)有限公司 |
主分类号: | G10L13/08 | 分类号: | G10L13/08;G10L25/30 |
代理公司: | 北京鸿元知识产权代理有限公司 11327 | 代理人: | 王迎;袁文婷 |
地址: | 518033 广东省深圳市福田区福*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 人工智能 语音 合成 方法 装置 设备 存储 介质 | ||
本发明涉及人工智能技术,揭露一种基于人工智能的语音合成方法,包括:获取预设语言的语言文本数据,并基于所述语言文本数据确定训练数据;将所述训练数据输入预设神经网络模型的编码器模块,获取与所述训练数据相对应的特征表示;将所述特征表示输入所述预设神经网络模型的解码器模块,获取与所述特征表示相对应的目标因素;基于所述目标因素迭代训练所述神经网络模型,直至所述神经网络模型的损失收敛在预设范围内,形成文本处理模型;基于所述文本处理模型获取与待处理文本数据对应的目标语言的声学特征;基于声学特征以及外设声码器,获取待处理文本数据的目标语言的合成语音。本发明可以提高文本转语音的效率,实现多语种的语音合成。
技术领域
本发明涉及人工智能技术领域,尤其涉及一种基于人工智能的语音合成的方法、装置、电子设备及计算机可读存储介质。
背景技术
语音合成在近二十年以及近几年中都发展迅猛,尤其是结合深度学习以及机器学习的方法,使得合成的语音质量接近真人的发声,在合成语音的自然度上也均有大幅度的提升,例如相关的语音合成系统WaveNet,已被广泛应用于各种不同的语言合成过程中,例如英语、中文、日语等等。
目前,基于神经网络的端到端的文本到语音合成(Text-to-Speech,TTS)技术发展迅速,与传统语音合成中的拼接法(concatenativesynthesis)和参数法(statisticalparametric synthesis)相比,端到端的文本到语音合成技术生成的语音数据通常具有更好的声音自然度,该技术的基本思想是采用基于注意力机制的编解码框架,直接从输入的字符序列或者音素序列上预测对应的声学特征序列,在学术界和工业界都获得了较为广泛的运用。
但是,现有的语音合成方式在对不同的语言进行合成处理时,需要按照对应语言的发音规则进行文字到因素序列的转化,当需要处理的语言种类较多时,会涉及到相关语言的知识依赖,导致合成工作量大、通用性低,整体合成精度差等问题。
发明内容
本发明提供一种基于人工智能的语音合成方法、装置、电子设备及计算机可读存储介质,其主要目的在于提高基于人工智能的语音合成的效率及准确度。
为实现上述目的,本发明提供的一种基于人工智能的语音合成方法,所述方法包括:
获取预设语言的语言文本数据,并基于所述语言文本数据确定训练数据;
将所述训练数据输入预设神经网络模型的编码器模块,获取与所述训练数据相对应的特征表示;
将所述特征表示输入所述预设神经网络模型的解码器模块,获取与所述特征表示相对应的目标因素;其中,与所述目标因素对应的语言种类与所述语言文本数据对应的语言种类不同;
基于所述目标因素迭代训练所述神经网络模型,直至所述神经网络模型的损失收敛在预设范围内,形成文本处理模型;
基于所述文本处理模型获取与待处理文本数据对应的目标语言的声学特征;
基于所述声学特征以及外设声码器,获取所述待处理文本数据的目标语音的合成语音。
此外,可选的技术方案是,所述获取预设语言的语言文本数据,并基于所述语言文本数据确定训练数据,包括:
基于预设多音字识别模型获取所述语言文本数据中的各文字的预测读音;
基于预设韵律停顿准则,对所述语言文本数据进行停顿标记处理,以获取带有停顿标记的文本数据;
对所述文本数据以及所述预测读音进行预处理,获取与所述语言文本数据相对应的字符串信息,作为所述训练数据。
此外,可选的技术方案是,所述将所述训练数据输入预设神经网络模型的编码器模块,获取与所述训练数据相对应的特征表示,包括:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于平安科技(深圳)有限公司,未经平安科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202111135799.1/2.html,转载请声明来源钻瓜专利网。
- 上一篇:伽马调节电路和驱动方法
- 下一篇:一种基于层级集成的个性化头相关传输函数模型