[发明专利]语音合成方法、装置、电子设备及存储介质有效
| 申请号： | 202010006604.2 | 申请日： | 2020-01-03 |
| 公开（公告）号： | CN110797002B | 公开（公告）日： | 2020-05-19 |
| 发明（设计）人： | 顾王一 | 申请（专利权）人： | 同盾控股有限公司 |
| 主分类号： | G10L13/02 | 分类号： | G10L13/02;G10L25/30 |
| 代理公司： | 杭州创智卓英知识产权代理事务所(普通合伙) 33324 | 代理人： | 郑思思 |
| 地址： | 311121 浙江省杭州市余*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种语音合成方法，涉及语音合成领域，该方法包括以下步骤：获取文本数据，根据文本数据得到线性频谱和相位的目标值，将文本数据转化为文本向量；将文本向量输入神经网络模型得到线性频谱和相位的预测值，进而计算整体损失，用以训练神经网络模型，通过训练完成的神经网络模型得到线性频谱和初始相位；将线性频谱和初始相位输入Griffin‑Lim声码器训练，得到文本数据对应的音频信号。该方法根据线性频谱和初始相位训练Griffin‑Lim声码器，能够减少声码器迭代次数，加快声码器收敛速度，在不降低音频质量的情况下，加速音频实时合成过程，适用于利用Griffin‑Lim算法作为声码器的语音合成装置。本发明还公开了一种语音合成装置、电子设备和计算机存储介质。 | ||
| 搜索关键词： | 语音 合成 方法 装置 电子设备 存储 介质 | ||
【主权项】：
1.一种语音合成方法，其特征在于，包括以下步骤：/n获取文本数据，根据所述文本数据得到线性频谱目标值和相位目标值，将所述文本数据转化为文本向量；/n将所述文本向量输入神经网络模型得到线性频谱预测值和相位预测值，根据所述线性频谱目标值、所述线性频谱预测值、所述相位目标值和所述相位预测值计算整体损失，根据所述整体损失训练所述神经网络模型，通过训练完成的所述神经网络模型得到线性频谱和初始相位；/n将所述线性频谱和所述初始相位输入至Griffin-Lim声码器进行迭代训练，得到所述文本数据对应的音频信号。/n
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同盾控股有限公司，未经同盾控股有限公司许可，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/202010006604.2/，转载请声明来源钻瓜专利网。
