[發(fā)明專利]語(yǔ)音合成方法、裝置、存儲(chǔ)介質(zhì)及電子設(shè)備

有效

• 申請(qǐng)?zhí)枺?/td>: 202011211084.5
• 申請(qǐng)日: 2020-11-03
• 公開(kāi)（公告）號(hào): CN112309366B
• 公開(kāi)（公告）日: 2022-06-14
• 發(fā)明（設(shè)計(jì)）人: 徐晨暢;潘俊杰
• 申請(qǐng)（專利權(quán)）人: 北京有竹居網(wǎng)絡(luò)技術(shù)有限公司
• 主分類號(hào): G10L13/08
• 分類號(hào): G10L13/08;G10L13/02
• 代理公司: 北京英創(chuàng)嘉友知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11447
• 代理人: 魏嘉熹

本公開(kāi)涉及一種語(yǔ)音合成方法、裝置、存儲(chǔ)介質(zhì)及電子設(shè)備，以使得合成語(yǔ)音中包括重音，并控制合成語(yǔ)音的音色。該語(yǔ)音合成方法包括：獲取帶有目標(biāo)音色標(biāo)簽的待合成文本，目標(biāo)音色標(biāo)簽為第一發(fā)音人的音色標(biāo)簽或者第二發(fā)音人的音色標(biāo)簽；將待合成文本輸入語(yǔ)音合成模型，以得到待合成文本對(duì)應(yīng)的音頻信息，語(yǔ)音合成模型的訓(xùn)練樣本包括標(biāo)注有重音詞的第一樣本文本和第一發(fā)音人對(duì)第一樣本文本的第一樣本音頻，以及未標(biāo)注重音詞的第二樣本文本和第二發(fā)音人對(duì)第二樣本文本的第二樣本音頻，語(yǔ)音合成模型用于確定待合成文本中的重音詞，并根據(jù)重音詞以及目標(biāo)音色標(biāo)簽生成待合成文本對(duì)應(yīng)的音頻信息。

技術(shù)領(lǐng)域

本公開(kāi)涉及語(yǔ)音合成技術(shù)領(lǐng)域，具體地，涉及一種語(yǔ)音合成方法、裝置、存儲(chǔ)介質(zhì)及電子設(shè)備。

背景技術(shù)

語(yǔ)音合成，又稱文語(yǔ)轉(zhuǎn)換(Text To Speech,TTS)，是一種可以將任意輸入文本轉(zhuǎn)換成相應(yīng)語(yǔ)音的技術(shù)。傳統(tǒng)的語(yǔ)音合成系統(tǒng)通常包括前端和后端兩個(gè)模塊。前端模塊主要是對(duì)輸入文本進(jìn)行分析，提取后端模塊所需要的語(yǔ)言學(xué)信息。后端模塊根據(jù)前端分析結(jié)果，通過(guò)一定的方法生成語(yǔ)音波形。

但是，相關(guān)技術(shù)中的語(yǔ)音合成方式通常沒(méi)有考慮合成語(yǔ)音中的重音，導(dǎo)致合成語(yǔ)音中沒(méi)有重音，發(fā)音平淡，缺乏表現(xiàn)力。或者，相關(guān)技術(shù)中的語(yǔ)音合成方式通常隨機(jī)選擇輸入文本中的詞語(yǔ)進(jìn)行重音添加，導(dǎo)致合成語(yǔ)音中的重音發(fā)音錯(cuò)誤，無(wú)法得到較好的包含重音的語(yǔ)音合成結(jié)果。

發(fā)明內(nèi)容

提供該發(fā)明內(nèi)容部分以便以簡(jiǎn)要的形式介紹構(gòu)思，這些構(gòu)思將在后面的具體實(shí)施方式部分被詳細(xì)描述。該發(fā)明內(nèi)容部分并不旨在標(biāo)識(shí)要求保護(hù)的技術(shù)方案的關(guān)鍵特征或必要特征，也不旨在用于限制所要求的保護(hù)的技術(shù)方案的范圍。

第一方面，本公開(kāi)提供一種語(yǔ)音合成方法，所述方法包括：

獲取帶有目標(biāo)音色標(biāo)簽的待合成文本，所述目標(biāo)音色標(biāo)簽為第一發(fā)音人的音色標(biāo)簽或者第二發(fā)音人的音色標(biāo)簽；

將所述待合成文本輸入語(yǔ)音合成模型，以得到所述待合成文本對(duì)應(yīng)的音頻信息，所述語(yǔ)音合成模型的訓(xùn)練樣本包括標(biāo)注有重音詞的第一樣本文本和所述第一發(fā)音人對(duì)所述第一樣本文本的第一樣本音頻，以及未標(biāo)注重音詞的第二樣本文本和所述第二發(fā)音人對(duì)所述第二樣本文本的第二樣本音頻；

所述語(yǔ)音合成模型用于確定所述待合成文本中的重音詞，并根據(jù)所述重音詞以及所述目標(biāo)音色標(biāo)簽生成所述待合成文本對(duì)應(yīng)的音頻信息。

第二方面，本公開(kāi)提供一種語(yǔ)音合成裝置，所述裝置包括：

獲取模塊，用于獲取帶有目標(biāo)音色標(biāo)簽的待合成文本，所述目標(biāo)音色標(biāo)簽為所述第一發(fā)音人的音色標(biāo)簽或者所述第二發(fā)音人的音色標(biāo)簽；

合成模塊，用于將所述待合成文本輸入語(yǔ)音合成模型，以得到所述待合成文本對(duì)應(yīng)的音頻信息，所述語(yǔ)音合成模型的訓(xùn)練樣本包括標(biāo)注有重音詞的第一樣本文本和所述第一發(fā)音人對(duì)所述第一樣本文本的第一樣本音頻，以及未標(biāo)注重音詞的第二樣本文本和所述第二發(fā)音人對(duì)所述第二樣本文本的第二樣本音頻；

所述語(yǔ)音合成模型用于確定所述待合成文本中的重音詞，并根據(jù)所述重音詞以及所述目標(biāo)音色標(biāo)簽生成所述待合成文本對(duì)應(yīng)的音頻信息。

第三方面，本公開(kāi)提供一種計(jì)算機(jī)可讀介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，該程序被處理裝置執(zhí)行時(shí)實(shí)現(xiàn)第一方面中所述方法的步驟。

第四方面，本公開(kāi)提供一種電子設(shè)備，包括：

存儲(chǔ)裝置，其上存儲(chǔ)有計(jì)算機(jī)程序；

處理裝置，用于執(zhí)行所述存儲(chǔ)裝置中的所述計(jì)算機(jī)程序，以實(shí)現(xiàn)第一方面中所述方法的步驟。