[发明专利]声学建模方法、装置、设备以及存储介质

说明书

本公开提供了一种声学建模方法、语音转换方法、装置、设备、存储介质以及计算机程序产品，涉及人工智能技术领域，具体为深度学习和语音合成技术领域，可应用于声学建模、语音转换等场景。具体实现方案为：获取文本训练样本和对应的语音频谱训练样本；对语音频谱训练样本进行频谱质量校准，得到校准后的语音频谱训练样本；基于文本训练样本和校准后的语音频谱训练样本，训练初始声学模型，得到目标声学模型。首先对语音频谱训练样本进行频谱质量校准，然后基于文本训练样本和校准后的语音频谱训练样本进行训练，使目标声学模型输出的语音频谱更准确。

技术领域

本公开涉及人工智能技术领域，具体为深度学习和语音合成技术领域，可应用于声学建模、语音转换等场景，尤其涉及一种声学建模方法、语音转换方法、装置、设备、存储介质以及计算机程序产品。

背景技术

目前在语音合成中，通常是合成字正腔圆的语音，不能合成悄悄话形式的语音。

发明内容

本公开提供了一种声学建模方法、语音转换方法、装置、设备、存储介质以及计算机程序产品，使目标声学模型输出的语音频谱更准确。

根据本公开的一方面，提供了一种声学建模方法，包括：获取文本训练样本和对应的语音频谱训练样本；对语音频谱训练样本进行频谱质量校准，得到校准后的语音频谱训练样本；基于文本训练样本和校准后的语音频谱训练样本，训练初始声学模型，得到目标声学模型。

根据本公开的另一方面，提供了一种语音转换方法，包括：获取待转换文本；基于目标声学模型，得到待转换文本对应的语音频谱；将语音频谱转换为语音，并输出语音。

根据本公开的又一方面，提供了一种声学建模装置，包括：第一获取模块，被配置为获取文本训练样本和对应的语音频谱训练样本；校准模块，被配置为对语音频谱训练样本进行频谱质量校准，得到校准后的语音频谱训练样本；训练模块，被配置为基于文本训练样本和校准后的语音频谱训练样本，训练初始声学模型，得到目标声学模型。

根据本公开的又一方面，提供了一种语音转换装置，包括：第二获取模块，被配置为获取待转换文本；第三获取模块，被配置为基于目标声学模型，得到待转换文本对应的语音频谱；转换模块，被配置为将语音频谱转换为语音，并输出语音。

根据本公开的又一方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被上述至少一个处理器执行，以使上述至少一个处理器能够执行上述声学建模方法、语音转换方法。

根据本公开的又一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，上述计算机指令用于使上述计算机执行上述声学建模方法、语音转换方法。

根据本公开的再一方面，提供了一种计算机程序产品，包括计算机程序，上述计算机程序在被处理器执行时实现上述声学建模方法、语音转换方法。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是本公开可以应用于其中的示例性系统架构图；

图2是根据本公开的声学建模方法的一个实施例的流程图；

图3是根据本公开的声学建模方法的另一个实施例的流程图；

图4是根据本公开的声学建模方法的又一个实施例的流程图；

图5(a)是本公开的校准前的语音频谱训练样本的示意图；

图5(b)是本公开的校准后的语音频谱训练样本的示意图；