[發明專利]語音合成模型訓練和語音合成方法、裝置、設備及介質

在審

• 申請號: 202011549430.0
• 申請日: 2020-12-24
• 公開（公告）號: CN112634866A
• 公開（公告）日: 2021-04-09
• 發明（設計）人: 張大成;劉歡
• 申請（專利權）人: 北京獵戶星空科技有限公司
• 主分類號: G10L13/08
• 分類號: G10L13/08;G10L13/047
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 張燕

1.一種語音合成模型訓練方法，其特征在于，所述方法包括：

獲取包含至少一個第一語音樣本的樣本集，所述第一語音樣本為采用第一語言的語音樣本，所述第一語音樣本對應的文本特征樣本是根據預先配置的第一語言的語音單元集合與第二語言的語音單元集合的對應關系確定的；

基于所述樣本集中的第一語音樣本對應的文本特征樣本和所述第一語音樣本的第一聲學特征，對原始語音合成模型進行訓練，以獲取所述第二語言對應的目標語音合成模型。

2.根據權利要求1所述的方法，其特征在于，所述基于所述樣本集中的第一語音樣本對應的文本特征樣本和所述第一語音樣本的第一聲學特征，對原始語音合成模型進行訓練，以獲取所述第二語言對應的目標語音合成模型，包括：

獲取所述樣本集中任一第一語音樣本對應的文本特征樣本；基于所述第一語音樣本對應的文本特征樣本和所述第一語音樣本的第一聲學特征，對所述原始語音合成模型進行訓練，得到基礎語音合成模型；

獲取至少一個第二語音樣本，所述第二語音樣本為采用所述第二語言的語音樣本，且所述第二語音樣本的數量遠小于第一語音樣本的數量；基于所述第二語音樣本對應的第二文本特征和所述第二語音樣本的第二聲學特征，對所述基礎語音合成模型進行訓練，得到所述目標語音合成模型，所述第二文本特征是基于所述第二語言的語音單元集合確定的。

3.根據權利要求2所述的方法，其特征在于，所述得到基礎語音合成模型之后，所述方法還包括：

將所述基礎語音合成模型中的各第一類參數的參數值，分別確定為所述目標語音合成模型中的對應參數的參數值；

所述基于所述第二語音樣本對應的第二文本特征和所述第二語音樣本的第二聲學特征，對所述基礎語音合成模型進行訓練，包括：

基于所述第二語音樣本對應的第二文本特征和所述第二語音樣本的第二聲學特征，對所述基礎語音合成模型中的第二類參數的參數值進行調整，以確定所述目標語音合成模型中的對應參數的參數值。

4.根據權利要求2所述的方法，其特征在于，所述樣本集中還包括至少一個所述第二語音樣本；基于所述第一語音樣本對應的文本特征樣本和所述第一語音樣本的第一聲學特征，對所述原始語音合成模型進行訓練，得到基礎語音合成模型，還包括：

基于所述第二語音樣本對應的第二文本特征和所述第二語音樣本的第二聲學特征，對所述原始語音合成模型進行訓練，得到所述基礎語音合成模型。

5.一種語音合成模型訓練方法，其特征在于，所述方法包括：

獲取包含至少一個語音樣本的樣本集，所述語音樣本包括采用第一語言的第一語音樣本和采用第二語言的第二語言樣本；

基于所述樣本集中的第一語音樣本對應的第一文本特征和所述第一語音樣本的第一聲學特征，以及所述樣本集中的第二語音樣本對應的第二文本特征和所述第二語音樣本的第二聲學特征，對所述原始語音合成模型進行訓練，得到基礎語音合成模型；其中，所述第一文本特征是基于所述第一語言的語音單元集合確定的，所述第二文本特征是基于所述第二語言的語音單元集合確定的；

基于所述第二語音樣本對應的第二文本特征和所述第二語音樣本的第二聲學特征，對所述基礎語音合成模型進行訓練，得到目標語音合成模型。

6.根據權利要求5所述的方法，其特征在于，所述得到基礎語音合成模型之后，所述方法還包括：

將所述基礎語音合成模型中的各第一類參數的參數值，分別確定為所述目標語音合成模型中的對應參數的參數值；

所述基于所述第二語音樣本對應的第二文本特征和所述第二語音樣本的第二聲學特征，對所述基礎語音合成模型進行訓練，包括：

基于所述第二語音樣本對應的第二文本特征和所述第二語音樣本的第二聲學特征，對所述基礎語音合成模型中的第二類參數的參數值進行調整，以確定所述目標語音合成模型中的對應參數的參數值。