[发明专利]一种TTS的方法及系统在审
| 申请号： | 201910456474.X | 申请日： | 2019-05-29 |
| 公开（公告）号： | CN109979429A | 公开（公告）日： | 2019-07-05 |
| 发明（设计）人： | 司马华鹏;毛志强 | 申请（专利权）人： | 南京硅基智能科技有限公司 |
| 主分类号： | G10L13/04 | 分类号： | G10L13/04;G10L13/02;G10L19/16 |
| 代理公司： | 江苏舜点律师事务所 32319 | 代理人： | 孙丹 |
| 地址： | 210012 江苏省*** | 国省代码： | 江苏;32 |
| 权利要求书： | 暂无信息 | 说明书： | 暂无信息 |
| 摘要： | 本发明公开了一种TTS的方法，解决了合成音频拟人声性较差的问题，其技术方案要点是采用tacotron模型将文本信息预处理后进行编码，产生中间状态，利用前馈注意力机制将编码产生的中间状态结合到一起，前馈注意力机制可以捕捉长序列相依过程，使得输出音频更自然，且前馈注意力机制对长句子拟合比较好，没有尾部弱化现象，比其他的注意力机制要稳定。经解码器产生的梅尔频谱输入到声码器wavenet，经过wavenet网络或者并行wavenet网络的作用最终将梅尔频谱还原为音频输出。使用此模型来实现TTS可以使音频合成更像真人。 | ||
| 搜索关键词： | 注意力机制 前馈 梅尔频谱 中间状态 预处理 技术方案要点 解码器 编码产生 合成音频 输出音频 文本信息 音频合成 音频输出 长序列 声码器 拟合 句子 还原 并行 弱化 网络 捕捉 | ||
【主权项】：
1.一种TTS的方法，其特征在于，包括：提取文本信息，对所述文本信息预处理后输入到tacotron模型；所述tacotron模型将预处理后的文本信息映射为梅尔频谱的序列并输出；所述序列输入到wavenet声码器；所述wavenet声码器对所述序列进行特征建模，并生成对应的音频；所述tacotron模型为频谱预测网络，包括编码器、解码器和注意力机制，所述注意力机制为前馈注意力机制。
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南京硅基智能科技有限公司，未经南京硅基智能科技有限公司许可，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/201910456474.X/，转载请声明来源钻瓜专利网。
