[发明专利]音频合成方法、装置、设备、计算机可读存储介质及产品

权利要求书

1.一种音频合成方法，其特征在于，包括：

获取待处理的客服语谱图；

将所述客服语谱图输入至预设的生成对抗网络中的目标生成器内，获得所述目标生成器输出的具有客户预设的个性化特征的目标语谱图；

通过预设的语音合成工具，根据所述目标语谱图生成具有客户预设的个性化特征的目标音频。

2.根据权利要求1所述的方法，其特征在于，所述将所述客服语谱图输入至预设的生成对抗网络中的目标生成器内之前，还包括：

获取待处理数据集，其中，所述待处理音频数据集中包括多条预设的客服谱图以及多条用户提供的个性化语谱图；

通过所述待处理数据集对预设的生成对抗网络中的待训练生成器以及待训练判别器进行训练，获得所述目标生成器。

3.根据权利要求2所述的方法，其特征在于，所述通过所述待处理数据集对预设的生成对抗网络中的待训练生成器以及待训练判别器进行训练，获得所述目标生成器，包括：

将所述客服语谱图输入至预设的待训练生成器中，获得所述待训练生成器输出的待处理语谱图；

将所述待处理语谱图与所述个性化语谱图输入至所述待训练判别器中，获得所述待训练判别器输出的所述待处理语谱图与所述个性化语谱图之间的差异信息；

根据所述差异信息对所述待训练生成器进行调节，直至所述待训练判别器输出的差异信息小于预设的阈值，获得所述目标生成器。

4.根据权利要求2所述的方法，其特征在于，所述获取待处理数据集，包括：

获取语音数据集，所述语音数据集中包括多个预设的客服语音数据，以及多个用户提供的个性化语音数据；

将各所述语音数据分割为时间长度一致的待处理语音；

通过短时傅里叶变换对各所述待处理语音进行时频分析，获得多条预设的客服谱图以及多条用户提供的个性化语谱图；

根据所述多条预设的客服谱图以及多条用户提供的个性化语谱图生成所述待处理数据集。

5.根据权利要求4所述的方法，其特征在于，所述通过短时傅里叶变换对各所述待处理语音进行时频分析，包括：

在所述短时傅里叶变换中添加汉明窗函数，获得处理后的短时傅里叶变换；

采用所述处理后的短时傅里叶变换对各所述待处理语音进行时频分析。

6.根据权利要求1-5任一项所述的方法，其特征在于，所述通过预设的语音合成工具，根据所述目标语谱图生成具有客户预设的个性化特征的目标音频，包括：

通过预设的波形网络将所述目标语谱图转换为目标时域图；

通过预设的WORLD语音合成工具根据所述目标时域图生成具有客户预设的个性化特征的目标音频。

7.根据权利要求6所述的方法，其特征在于，所述通过预设的WORLD语音合成工具根据所述目标时域图生成具有客户预设的个性化特征的目标音频，包括：

通过预设的DIO算法提取所述目标时域图对应的目标基频；

采用预设的CheapTrick算法对所述目标基频进行数据处理，获得所述目标基频对应的频谱包络；

根据所述目标基频、频谱包括以及所述目标时域图生成具有客户预设的个性化特征的目标音频。

8.一种音频合成装置，其特征在于，包括：

获取模块，用于获取待处理的客服语谱图；

处理模块，用于将所述客服语谱图输入至预设的生成对抗网络中的目标生成器内，获得所述目标生成器输出的具有客户预设的个性化特征的目标语谱图；

生成模块，用于通过预设的语音合成工具，根据所述目标语谱图生成具有客户预设的个性化特征的目标音频。

9.一种电子设备，其特征在于，包括：处理器，以及与所述处理器通信连接的存储器；

所述存储器存储计算机执行指令；

所述处理器执行所述存储器存储的计算机执行指令，以实现如权利要求1-7中任一项所述的方法。