[发明专利]语音生成模型的训练方法、装置、电子设备及存储介质

说明书

本申请实施例公开了一种语音生成模型的训练方法、装置、电子设备及存储介质。该方法包括：获取基础训练样本，该基础训练样本包括多个音频信号，及每个音频信号均对应的文本数据；对第一音频信号及第一音频信号对应的文本数据进行预处理；根据处理后的音频信号及处理后的文本数据训练初始语音合成模型和初始声码器，以得到中间语音合成模型和目标声码器；根据第一音频信号、第一音频信号对应的文本数据、第二音频信号及第二音频信号对应的文本数据训练中间语音合成模型，以得到目标语音合成模型。采用本申请实施例可以得到高精度的语音生成模型。

技术领域

本申请涉及人工智能技术领域，具体涉及一种语音生成模型的训练方法、装置、电子设备及存储介质。

背景技术

现在短视频或者vlog是越来越受到人们的关注，并且很多人都参与短视频或者vlog的拍摄。但是大部分视频需要后期加入音频，但是由于训练样本的获取困难，使得用于语音合成模型的训练样本量有限，从而使得训练得到的语音合成模型的精度较低。

发明内容

本申请实施例提供了一种语音生成模型的训练方法、装置、电子设备及存储介质，采用本申请实施例提供的训练方法，可以得到高精度的语音生成模型。

第一方面，本申请实施例提供一种语音生成模型的训练方法，包括：

获取基础训练样本，该基础训练样本包括多个音频信号，及每个音频信号均对应的文本数据；多个音频信号包括参考用户的第一音频信号和目标用户的第二音频信号；

对第一音频信号及第一音频信号对应的文本数据进行预处理；

根据处理后的音频信号及处理后的文本数据对初始语音合成模型和初始声码器进行训练，以得到中间语音合成模型和目标声码器；

根据第一音频信号、第一音频信号对应的文本数据、第二音频信号及第二音频信号对应的文本数据对中间语音合成模型进行训练，以得到目标语音合成模型。

第二方面，本申请实施例提供一种训练装置，包括：获取单元、预处理单元和训练单元；

获取单元，用于获取基础训练样本，基础训练样本包括多个音频信号，及每个音频信号对应的文本数据；多个音频信号包括参考用户的第一音频信号和目标用户的第二音频信号；

预处理单元，用于对第一音频信号及第一音频信号对应的文本数据进行预处理；

训练单元，用于根据处理后的音频信号及处理后的文本数据对初始语音合成模型和初始声码器进行训练，以得到第一语音合成模型和目标声码器；根据第一音频信号、第一音频信号对应的文本数据、第二音频信号及第二音频信号对应的文本数据对第一语音合成模型进行训练，以得到目标语音合成模型。

第三方面，本申请实施例提供一种电子设备，包括：处理器，所述处理器与存储器相连，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存储器中存储的计算机程序，以使得所述电子设备执行如第一方面所述的方法。

第四方面，本申请实施例提供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，所述计算机程序使得计算机执行如第一方面所述的方法。

第五方面，本申请实施例提供一种计算机程序产品，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，所述计算机可操作来使计算机执行如第一方面所述的方法。

实施本申请实施例，具有如下有益效果：

通过对训练样本中的数据进行预处理，以得到特征丰富的训练样本，不需要去大范围采集获取训练样本，降低了获取训练样本的难度；再利用该特征丰富训练样本及预处理前的训练样本共同训练得到高精度的语音生成模型。

附图说明