[發(fā)明專利]語(yǔ)音生成方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202010113619.9
• 申請(qǐng)日: 2020-02-24
• 公開(kāi)（公告）號(hào): CN111326138A
• 公開(kāi)（公告）日: 2020-06-23
• 發(fā)明（設(shè)計(jì)）人: 車浩;周芯永;王曉瑞
• 申請(qǐng)（專利權(quán)）人: 北京達(dá)佳互聯(lián)信息技術(shù)有限公司
• 主分類號(hào): G10L13/10
• 分類號(hào): G10L13/10;G10L13/02
• 代理公司: 廣州華進(jìn)聯(lián)合專利商標(biāo)代理有限公司 44224
• 代理人: 于麗君

1.一種語(yǔ)音生成方法，其特征在于，包括：

獲取第一文本信息；

將所述第一文本信息輸入預(yù)設(shè)的韻律分析模型，得到第一隱聲學(xué)特征；其中，所述第一隱聲學(xué)特征為所述第一文本信息對(duì)應(yīng)的語(yǔ)音的特征；

將所述第一隱聲學(xué)特征輸入預(yù)設(shè)的與目標(biāo)說(shuō)話人對(duì)應(yīng)的自適應(yīng)聲學(xué)模型，得到與所述目標(biāo)說(shuō)話人對(duì)應(yīng)的第一聲學(xué)特征；

根據(jù)所述第一聲學(xué)特征，生成與所述目標(biāo)說(shuō)話人和所述第一文本信息對(duì)應(yīng)的語(yǔ)音。

2.根據(jù)權(quán)利要求1所述的語(yǔ)音生成方法，其特征在于，所述將所述第一文本信息輸入預(yù)設(shè)的韻律分析模型，得到第一隱聲學(xué)特征，之前包括：

獲取第二文本信息，以及獲取所述第二文本信息對(duì)應(yīng)的第二語(yǔ)音樣本；

提取所述第二語(yǔ)音樣本對(duì)應(yīng)的初始隱聲學(xué)特征；

將所述第二文本信息和所述初始隱聲學(xué)特征輸入預(yù)設(shè)的初始韻律分析模型，對(duì)所述初始韻律分析模型進(jìn)行訓(xùn)練，得到所述韻律分析模型。

3.根據(jù)權(quán)利要求1所述的語(yǔ)音生成方法，其特征在于，所述將所述第一隱聲學(xué)特征輸入預(yù)設(shè)的與目標(biāo)說(shuō)話人對(duì)應(yīng)的自適應(yīng)聲學(xué)模型，得到與所述目標(biāo)說(shuō)話人對(duì)應(yīng)的第一聲學(xué)特征，之前包括：

獲取目標(biāo)說(shuō)話人對(duì)應(yīng)的第一語(yǔ)音樣本；

應(yīng)用所述第一語(yǔ)音樣本對(duì)預(yù)設(shè)的基礎(chǔ)聲學(xué)模型進(jìn)行校正，得到所述與目標(biāo)說(shuō)話人對(duì)應(yīng)的自適應(yīng)聲學(xué)模型。

4.根據(jù)權(quán)利要求3所述的語(yǔ)音生成方法，其特征在于，所述第一語(yǔ)音樣本的語(yǔ)言包括第一目標(biāo)語(yǔ)言或第二目標(biāo)語(yǔ)言，所述與所述目標(biāo)說(shuō)話人和所述第一文本信息對(duì)應(yīng)的語(yǔ)音的語(yǔ)言包括所述第一目標(biāo)語(yǔ)言和/或所述第二目標(biāo)語(yǔ)言；所述第一目標(biāo)語(yǔ)言與所述第二目標(biāo)語(yǔ)言為不同語(yǔ)種的語(yǔ)言。

5.根據(jù)權(quán)利要求3所述的語(yǔ)音生成方法，其特征在于，所述應(yīng)用所述第一語(yǔ)音樣本對(duì)預(yù)設(shè)的基礎(chǔ)聲學(xué)模型進(jìn)行校正，得到所述與目標(biāo)說(shuō)話人對(duì)應(yīng)的自適應(yīng)聲學(xué)模型，之前包括：

獲取若干說(shuō)話人語(yǔ)音樣本；

提取每一說(shuō)話人語(yǔ)音樣本對(duì)應(yīng)的第二隱聲學(xué)特征，以及提取所述每一說(shuō)話人語(yǔ)音樣本對(duì)應(yīng)的第二聲學(xué)特征；

將所述第二隱聲學(xué)特征和所述第二聲學(xué)特征輸入預(yù)設(shè)的初始基礎(chǔ)聲學(xué)模型，對(duì)所述初始基礎(chǔ)聲學(xué)模型進(jìn)行訓(xùn)練，得到所述基礎(chǔ)聲學(xué)模型。

6.根據(jù)權(quán)利要求3所述的語(yǔ)音生成方法，其特征在于，所述應(yīng)用所述第一語(yǔ)音樣本對(duì)所述基礎(chǔ)聲學(xué)模型進(jìn)行校正，得到所述與目標(biāo)說(shuō)話人對(duì)應(yīng)的自適應(yīng)聲學(xué)模型，包括：

提取所述第一語(yǔ)音樣本對(duì)應(yīng)的第三隱聲學(xué)特征，以及提取所述第一語(yǔ)音樣本對(duì)應(yīng)的第三聲學(xué)特征；

將所述第三隱聲學(xué)特征和所述第三聲學(xué)特征輸入基礎(chǔ)聲學(xué)模型，對(duì)所述基礎(chǔ)聲學(xué)模型進(jìn)行訓(xùn)練，得到所述與目標(biāo)說(shuō)話人對(duì)應(yīng)的自適應(yīng)聲學(xué)模型。

7.根據(jù)權(quán)利要求1所述的語(yǔ)音生成方法，其特征在于，所述根據(jù)所述第一聲學(xué)特征，生成與所述目標(biāo)說(shuō)話人和所述第一文本信息對(duì)應(yīng)的語(yǔ)音，包括：

將所述第一聲學(xué)特征輸入預(yù)設(shè)的聲碼器，生成與所述目標(biāo)說(shuō)話人和所述第一文本信息對(duì)應(yīng)的語(yǔ)音。

8.一種語(yǔ)音生成裝置，其特征在于，包括：

文本信息獲取單元，被配置為執(zhí)行獲取第一文本信息；

隱聲學(xué)特征獲取單元，被配置為執(zhí)行將所述第一文本信息輸入預(yù)設(shè)的韻律分析模型，得到第一隱聲學(xué)特征；其中，所述第一隱聲學(xué)特征為所述第一文本信息對(duì)應(yīng)的語(yǔ)音的特征；

聲學(xué)特征獲取單元，被配置為執(zhí)行將所述第一隱聲學(xué)特征輸入預(yù)設(shè)的與目標(biāo)說(shuō)話人對(duì)應(yīng)的自適應(yīng)聲學(xué)模型，得到與所述目標(biāo)說(shuō)話人對(duì)應(yīng)的第一聲學(xué)特征；

語(yǔ)音生成單元，被配置為執(zhí)行根據(jù)所述第一聲學(xué)特征，生成與所述目標(biāo)說(shuō)話人和所述第一文本信息對(duì)應(yīng)的語(yǔ)音。

9.一種電子設(shè)備，其特征在于，包括：

處理器；

用于存儲(chǔ)所述處理器可執(zhí)行指令的存儲(chǔ)器；

其中，所述處理器被配置為執(zhí)行所述指令，以實(shí)現(xiàn)如權(quán)利要求1至7中任一項(xiàng)所述的語(yǔ)音生成方法。

10.一種存儲(chǔ)介質(zhì)，當(dāng)所述存儲(chǔ)介質(zhì)中的指令由電子設(shè)備的處理器執(zhí)行時(shí)，使得電子設(shè)備能夠執(zhí)行如權(quán)利要求1至7中任一項(xiàng)所述的語(yǔ)音生成方法。