[發明專利]語音合成方法、裝置、電子設備和存儲介質

在審

• 申請號: 202011364707.2
• 申請日: 2020-11-27
• 公開（公告）號: CN112365877A
• 公開（公告）日: 2021-02-12
• 發明（設計）人: 李靖怡;孫濤;王文富;王錫磊
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G10L13/02
• 分類號: G10L13/02;G10L13/10;G10L19/16
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 韓海花

本申請公開了語音合成方法、裝置、電子設備和存儲介質，涉及自然語言處理、語音技術和深度學習領域。具體實現方案為：獲取多風格音庫，其中，多風格音庫中存有多種語音風格對應音頻的第一參考聲學特征，每種參考聲學特征是對相應語音風格的語音進行聲學特征提取得到，獲取目標音色對應音頻的第二參考聲學特征，根據多風格音庫中選定的目標語音風格對應音頻的第一參考聲學特征，和目標音色對應音頻的第二參考聲學特征，對待合成的目標文本進行語音合成，實現了基于目標音色，適配多種風格，以滿足不同場景的需求，提高了語音合成的效率和語音合成的效果。

技術領域

本申請涉及計算機技術領域，具體涉及自然語言處理、語音技術和深度學習領域，尤其是涉及語音合成方法、裝置、電子設備和存儲介質。

背景技術

隨著音頻類內容市場的不斷擴大，以及語音合成技術的不斷發展，智能語音播報也被廣泛應用在了各種資訊播報場景下，逐漸與真人主播拉近距離。

然而，實際應用中，在不同的場景和播報內容下，需要采用不同風格，音色進行播報，因此，提供滿足相應場景的高質量合成語音，則是亟待解決的技術問題。

發明內容

本申請提供了一種用于提高語音合成效率和合成效果的語音合成的方法、裝置、電子設備以及存儲介質。

根據本申請的一方面，提供了一種語音合成方法，包括：

獲取多風格音庫；其中，所述多風格音庫中存有多種語音風格對應音頻的第一參考聲學特征，每種所述參考聲學特征是對相應語音風格的語音進行聲學特征提取得到；

獲取目標音色對應音頻的第二參考聲學特征；

根據所述多風格音庫中選定的目標語音風格對應音頻的第一參考聲學特征，和所述目標音色對應音頻的第二參考聲學特征，對待合成的目標文本進行語音合成。

根據本申請的另一方面，提供了一種語音合成裝置，包括：

第一獲取模塊，用于獲取多風格音庫；其中，所述多風格音庫中存有多種語音風格對應音頻的第一參考聲學特征，每種所述參考聲學特征是對相應語音風格的語音進行聲學特征提取得到；

第二獲取模塊，用于獲取目標音色對應音頻的第二參考聲學特征；

合成模塊，用于根據所述多風格音庫中選定的目標語音風格對應音頻的第一參考聲學特征，和所述目標音色對應音頻的第二參考聲學特征，對待合成的目標文本進行語音合成。

根據本申請的另一方面，提供了一種電子設備，包括：

至少一個處理器；以及

與所述至少一個處理器通信連接的存儲器；其中，

所述存儲器存儲有可被所述至少一個處理器執行的指令，所述指令被所述至少一個處理器執行，以使所述至少一個處理器能夠執行第一方面所述的方法。

根據本申請的另一方面，提供了一種存儲有計算機指令的非瞬時計算機可讀存儲介質，所述計算機指令用于使所述計算機執行第一方面所述的方法。

根據本申請的另一方面，提供了一種計算機程序產品，包括計算機程序，所述計算機程序被處理器執行時，實現第一方面所述的方法。

應當理解，本部分所描述的內容并非旨在標識本申請的實施例的關鍵或重要特征，也不用于限制本申請的范圍。本申請的其它特征將通過以下的說明書而變得容易理解。

附圖說明

附圖用于更好地理解本方案，不構成對本申請的限定。其中：

圖1為本申請實施例所提供的一種語音合成方法的流程示意圖；

圖2為本申請實施例所提供的另一種語音合成方法的流程示意圖圖；