[发明专利]基于深度度量网络的语音合成方法及装置

摘要

本发明涉及语音合成技术领域，具体涉及一种基于深度度量网络的语音合成方法及装置，旨在解决如何得到更为精确的目标代价以及品质更高的合成语音的技术问题。该方法包括将待测文本信息拆分为多个文本基元，提取文本基元的文本特征；从语料库中获取对应的多个候选基元，并提取每个候选基元对应的文本特征和声学特征；对文本基元的文本特征进行编码得到第一特征向量，对候选基元的文本特征和声学特征进行编码得到第二特征向量；计算文本基元对应的第一特征向量与其对应候选基元的第二特征向量之间的余弦距离，获取目标代价；利用语音合成系统根据目标代价对候选基元进行拼接合成语音。上述方法可以提升合成语音的品质。

主权项

1.一种基于深度度量网络的语音合成方法，其特征在于，所述深度度量网络包括特征提取层、特征编码层和余弦距离计算层；所述语音合成方法包括：将待测文本信息拆分为多个文本基元，并利用所述特征提取层提取每个所述文本基元对应的文本特征；基于每个所述文本基元从预设语料库中获取所述文本基元对应的多个候选基元，并利用所述特征提取层提取每个所述候选基元对应的文本特征和声学特征；利用所述特征编码层对所述文本基元对应的文本特征进行编码得到第一特征向量，对所述候选基元的文本特征和声学特征进行编码得到第二特征向量；利用所述余弦距离计算层计算每个所述文本基元对应的第一特征向量与其对应候选基元的第二特征向量之间的余弦距离，根据所述余弦距离获取所述每个文本基元与其对应的候选基元之间的目标代价；利用语音合成系统并根据所述目标代价对所述候选基元进行拼接合成语音；其中，所述深度度量网络是基于预设的语料库并且利用机器学习算法所构建的神经网络。