[發(fā)明專利]一種語音合成方法和裝置在審
| 申請?zhí)枺?/td> | 202010733782.5 | 申請日： | 2020-07-27 |
| 公開（公告）號： | CN112002302A | 公開（公告）日： | 2020-11-27 |
| 發(fā)明（設(shè)計）人： | 李婉;李健;武衛(wèi)東 | 申請（專利權(quán)）人： | 北京捷通華聲科技股份有限公司 |
| 主分類號： | G10L13/02 | 分類號： | G10L13/02;G10L13/06;G10L13/08;G10L19/00;G10L25/30 |
| 代理公司： | 北京潤澤恒知識產(chǎn)權(quán)代理有限公司 11319 | 代理人： | 莎日娜 |
| 地址： | 100193 北京市海淀區(qū)東北*** | 國省代碼： | 北京;11 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 一種 語音 合成 方法 裝置 | ||
1.一種語音合成方法，其特征在于，所述方法包括：
獲取包括至少一個句子的待處理文本，并從所述待處理文本提取文本特征；
獲取句重音特征以及針對句重音特征的目標聲學模型；其中，所述目標聲學模型為根據(jù)針對音色特征的預先聲學模型經(jīng)過自適應(yīng)訓練得到，以及所述目標聲學模型包括針對句重音特征的偏置層；
根據(jù)所述文本特征與所述句重音特征，以及所述目標聲學模型，得到具有句重音特征的聲學特征；
對所述聲學特征進行處理，得到具有句重音特征的語音序列。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述目標聲學模型通過如下方式生成：
構(gòu)建針對音色特征的第一偏置層；
根據(jù)預設(shè)聲學模型以及所述針對音色特征的第一偏置層，得到針對音色特征的預先聲學模型；
構(gòu)建針對句重音特征的第二偏置層；
根據(jù)所述針對句重音特征的第二偏置層，以及所述針對音色特征的預先聲學模型，得到針對句重音特征的目標聲學模型。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)預設(shè)聲學模型以及所述針對音色特征的第一偏置層，得到針對音色特征的預先聲學模型，包括：
獲取歸一化文本特征，以及根據(jù)所述針對音色特征的第一偏置層獲取第一偏置項；
采用歸一化文本特征以及所述第一偏置項所述第一訓練模型進行訓練，得到針對音色特征的預先聲學模型。
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述第一偏置層包括第一嵌入層；所述根據(jù)所述針對音色特征的第一偏置層獲取第一偏置項，包括：
獲取針對音色特征的第一訓練集；所述第一訓練集包括存在多說話人的音色特征樣本數(shù)據(jù)；
對所述音色特征樣本數(shù)據(jù)進行獨熱編碼，得到音色特征向量；
將所述音色特征向量經(jīng)過所述第一嵌入層，得到針對音色特征的第一偏置項。
5.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述根據(jù)所述針對句重音特征的第二偏置層，以及所述針對音色特征的預先聲學模型，得到針對句重音特征的目標聲學模型，包括：
根據(jù)所述針對句重音特征的第二偏置項獲取第二偏置項；
采用所述歸一化文本特征以及所述第二偏置項對所述針對音色特征的預先聲學模型進行訓練，得到針對句重音特征的目標聲學模型。
6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述第二偏置層包括第二嵌入層；所述第一偏置項具有預設(shè)長度；所述根據(jù)所述第二偏置項獲取針對句重音特征的第二偏置項，包括：
獲取預設(shè)長度的可訓練隨機序列以及針對句重音特征的第二訓練集；所述第二訓練集包括存在單個說話人的句重音特征樣本數(shù)據(jù)；
對所述句重音特征樣本數(shù)據(jù)進行獨熱編碼，得到句重音特征向量；
將所述可訓練隨機序列作為隨機偏置項；
將所述句重音特征向量與所述隨機偏置項相加并經(jīng)過所述第二嵌入層，得到針對句重音特征的第二偏置項。
7.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述預先訓練的聲學模型包括淺層參數(shù)以及深層參數(shù)；所述采用所述歸一化文本特征以及所述第二偏置項對所述針對音色特征的預先聲學模型進行訓練，得到針對句重音特征的目標聲學模型，還包括：
對所述預先聲學模型的淺層參數(shù)進行鎖定，以及對所述預先聲學模型的深層參數(shù)進行調(diào)整，得到針對句重音特征的目標聲學模型。
8.一種語音合成裝置，其特征在于，所述裝置包括：
文本特征提取模塊，用于獲取包括至少一個句子的待處理文本，并從所述待處理文本提取文本特征；
句重音特征獲取模塊，用于獲取句重音特征；
目標聲學模型獲取模塊，用于獲取針對句重音特征的目標聲學模型；其中，所述目標聲學模型為根據(jù)針對音色特征的預先聲學模型經(jīng)過自適應(yīng)訓練得到，以及所述目標聲學模型包括針對句重音特征的偏置層；
聲學特征生成模塊，用于根據(jù)所述文本特征與所述句重音特征，以及所述目標聲學模型，得到具有句重音特征的聲學特征；
語音序列生成模塊，用于對所述聲學特征進行處理，得到具有句重音特征的語音序列。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于北京捷通華聲科技股份有限公司，未經(jīng)北京捷通華聲科技股份有限公司許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010733782.5/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
