[发明专利]音频合成方法、装置、电子设备和可读存储介质

权利要求书

1.一种音频合成方法，其特征在于，所述方法包括：

获取目标信息；

获取目标发音人的韵律特性参数，所述韵律特性参数包括语速参考向量、停顿长度参考向量、风格向量；

根据所述目标信息和所述韵律特性参数，确定声学特征信息；

对所述声学特征信息进行转换，生成与所述目标信息对应的目标音频数据。

2.根据权利要求1所述的方法，其特征在于，所述根据所述目标信息和所述韵律特性参数，确定声学特征信息，包括：

对所述目标信息进行分析，得到文本特征参数，所述文本特征参数包括第一音素序列和文本韵律；

根据所述文本韵律、所述停顿长度参考向量和所述第一音素序列，生成第二音素序列；

根据所述第二音素序列和所述语速参考向量，确定第一音频特征；

根据所述第一音频特征和所述风格向量，确定第二音频特征；

基于声学预测模型，根据所述第二音频特征，确定所述声学特征信息。

3.根据权利要求2所述的方法，其特征在于，所述根据所述文本韵律、所述停顿长度参考向量和所述第一音素序列，生成第二音素序列，包括：

根据所述文本韵律和所述停顿长度参考向量，生成修正后的韵律信息；

根据所述修正后的韵律信息和所述第一音素序列，生成第二音素序列。

4.根据权利要求2所述的方法，其特征在于，所述根据所述第二音素序列和所述语速参考向量，确定第一音频特征，包括：

基于所述第二音素序列进行时长预测，得到第一音素时长；

根据所述语速参考向量对所述第一音素时长进行调整，得到第二音素时长；

根据所述第二音素时长对所述第二音素序列进行扩展，得到第一音频特征。

5.根据权利要求2所述的方法，其特征在于，所述基于声学预测模型，根据所述第二音频特征，确定所述声学特征信息之前，所述方法还包括：

获取所述目标发音人的第一音频数据，所述第一音频数据为所述目标发音人朗读预设文本的音频数据；

基于所述第一音频数据，进行模型训练，得到所述声学预测模型；

其中，所述声学预测模型用于根据第二音频特征得到声学特征信息。

6.根据权利要求1所述的方法，其特征在于，所述韵律特性参数包括语速参考向量，所述获取目标发音人的韵律特性参数，包括：

获取所述目标发音人的历史音频数据；

根据所述历史音频数据，确定所述目标发音人的第一平均语速；

根据所述第一平均语速和预设平均语速，确定所述语速参考向量。

7.根据权利要求1所述的方法，其特征在于，所述韵律特性参数包括停顿长度参考向量，所述获取目标发音人的韵律特性参数，包括：

获取所述目标发音人的历史音频数据；

根据所述历史音频数据，确定不同音节长度对应的停顿概率；

根据所述不同音节长度对应的停顿概率，确定停顿长度参考向量。

8.一种音频合成装置，其特征在于，所述装置包括：

第一获取模块，用于获取目标信息；

第二获取模块，用于获取目标发音人的韵律特性参数，所述韵律特性参数包括语速参考向量、停顿长度参考向量、风格向量；

第一确定模块，用于根据所述目标信息和所述韵律特性参数，确定声学特征信息；

生成模块，用于对所述声学特征信息进行转换，生成与所述目标信息对应的目标音频数据。