[发明专利]端对端语音合成方法、装置、设备及存储介质在审
| 申请号： | 201811482781.7 | 申请日： | 2018-12-05 |
| 公开（公告）号： | CN109616093A | 公开（公告）日： | 2019-04-12 |
| 发明（设计）人： | 房树明;程宁;王健宗;肖京 | 申请（专利权）人： | 平安科技（深圳）有限公司 |
| 主分类号： | G10L13/02 | 分类号： | G10L13/02;G10L13/08;G10L13/10;G10L19/032;G10L19/04;G10L25/30 |
| 代理公司： | 北京英特普罗知识产权代理有限公司 11015 | 代理人： | 林彦之 |
| 地址： | 518000 广东省深圳市福田区福*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种端对端语音合成方法，属于语音合成技术领域。该方法包括：获取语音样本并进行预处理，以得到包含有预设音频长度的音频的语音训练样本，并将所述语音训练样本中的音频转化为音频矩阵；对与所述语音训练样本相对应的文本样本进行正则化处理和向量化处理，以得到包含有预设文本长度的文本向量的文本训练样本；将所述语音训练样本和相对应的所述文本训练样本作为基于前向反馈神经网络的自我注意力机制端对端模型的输入进行语音合成训练，以得到最优的语音合成模型。本发明采用基于DNN的注意力机制，相比于CNN和RNN训练模型，降低模型复杂度的同时也加速了收敛速度。 | ||
| 搜索关键词： | 训练样本 语音合成 端对端 样本 注意力机制 文本训练 预设 预处理 语音合成技术 语音合成模型 正则化处理 存储介质 前向反馈 神经网络 文本向量 文本样本 训练模型 音频矩阵 音频转化 语音训练 语音样本 复杂度 向量化 收敛 文本 | ||
【主权项】：
1.一种端对端语音合成方法，其特征在于，包括以下步骤：获取语音样本并进行预处理，以得到包含有预设音频长度的音频的语音训练样本，并将所述语音训练样本中的音频转化为音频矩阵；对与所述语音训练样本相对应的文本样本进行正则化处理和向量化处理，以得到包含有预设文本长度的文本向量的文本训练样本；将所述语音训练样本和相对应的所述文本训练样本作为基于前向反馈神经网络的自我注意力机制端对端模型的输入进行语音合成训练，以得到最优的语音合成模型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于平安科技（深圳）有限公司，未经平安科技（深圳）有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811482781.7/，转载请声明来源钻瓜专利网。
