[發(fā)明專利]一種語音合成模型的訓(xùn)練方法及裝置有效
| 申請?zhí)枺?/td> | 202110259482.2 | 申請日： | 2021-03-10 |
| 公開（公告）號： | CN113053353B | 公開（公告）日： | 2022-10-04 |
| 發(fā)明（設(shè)計）人： | 黃選平;馬達標 | 申請（專利權(quán)）人： | 度小滿科技（北京）有限公司 |
| 主分類號： | G10L13/02 | 分類號： | G10L13/02;G10L13/04;G10L13/08 |
| 代理公司： | 北京集佳知識產(chǎn)權(quán)代理有限公司 11227 | 代理人： | 尹秀 |
| 地址： | 100193 北京市海淀區(qū)*** | 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 模型 訓(xùn)練 方法 裝置 | ||
1.一種語音合成模型的訓(xùn)練方法，其特征在于，包括：
對歷史語音合成模型進行訓(xùn)練，得到多說話人模型；
獲取當前訓(xùn)練數(shù)據(jù)中的當前說話人ID和當前輸入文本，其中，所述當前輸入文本的數(shù)據(jù)量少于所述多說話人模型在訓(xùn)練過程中歷史輸入文本的數(shù)據(jù)量，所述當前輸入文本的音素以韻母為單位；
基于所述多說話人模型、所述當前說話人ID和所述當前輸入文本對當前語音合成模型進行訓(xùn)練；
所述歷史語音合成模型包括：歷史編碼器、歷史解碼器和歷史對齊模塊，所述解碼器包括第一歷史解碼器和第二歷史解碼器；所述多說話人模型包括：第一說話人模型和第二說話人模型，訓(xùn)練過程包括：
獲取訓(xùn)練數(shù)據(jù)中的歷史說話人ID和歷史輸入文本；
基于所述歷史說話人ID，確定歷史說話人矢量，基于所述歷史說話人矢量，所述歷史輸入文本，所述歷史編碼器和所述第一歷史解碼器對所述歷史對齊模塊進行訓(xùn)練，得到第一說話人模型，其中，所述第一說話人模型中包括：歷史目標對齊模塊；
基于所述歷史說話人矢量，所述歷史輸入文本，所述歷史編碼器、所述第二歷史解碼器和所述歷史目標對齊模塊進行訓(xùn)練，得到第二說話人模型。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，還包括：
所述歷史輸入文本中的音素以字為單位。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，基于所述多說話人模型、所述說話人ID和所述輸入文本對當前語音合成模型進行訓(xùn)練，其中，所述當前語音合成模型包括：當前編碼器、當前解碼器和當前對齊模塊，所述解碼器包括第一當前解碼器和第二當前解碼器，訓(xùn)練過程包括：
對所述第一說話人模型和所述當前說話人ID進行線性組合，確定第一說話人矢量；
采用所述第一說話人矢量，所述當前輸入文本，所述當前編碼器和所述第一當前解碼器對所述當前對齊模塊進行訓(xùn)練，得到目標當前對齊模塊；
基于所述第二說話人模型和所述當前說話人ID，確定第二說話人矢量，采用所述第二說話人矢量，所述當前輸入文本，所述當前編碼器、所述第二當前解碼器和所述目標當前對齊模塊訓(xùn)練所述第二說話人矢量、所述當前編碼器和所述第二當前解碼器。
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，還包括：
獲取所述第一說話人模型中的第一歷史解碼器第一訓(xùn)練結(jié)果和所述第二說話人模型中第二歷史解碼器的第二訓(xùn)練結(jié)果；
將所述第一訓(xùn)練結(jié)果賦給所述第一當前解碼器作為初始值；
將所述第二訓(xùn)練結(jié)果賦給所述第二當前解碼器作為初始值。
5.一種語音合成模型的訓(xùn)練裝置，其特征在于，包括：
第一訓(xùn)練模塊，用于對歷史語音合成模型進行訓(xùn)練，得到多說話人模型；
獲取模塊，用于獲取當前訓(xùn)練數(shù)據(jù)中的當前說話人ID和當前輸入文本，其中，所述當前輸入文本的數(shù)據(jù)量少于所述多說話人模型在訓(xùn)練過程中歷史輸入文本的數(shù)據(jù)量，所述當前輸入文本的音素以韻母為單位；
第二訓(xùn)練模塊，用于基于所述多說話人模型、所述當前說話人ID和所述當前輸入文本對當前語音合成模型進行訓(xùn)練；
所述歷史語音合成模型包括：歷史編碼器、歷史解碼器和歷史對齊模塊，所述解碼器包括第一歷史解碼器和第二歷史解碼器；所述多說話人模型包括：第一說話人模型和第二說話人模型，所述第一訓(xùn)練模塊包括：
第一獲取單元，用于獲取訓(xùn)練數(shù)據(jù)中的歷史說話人ID和歷史輸入文本；
第一訓(xùn)練單元，用于基于所述歷史說話人ID，確定歷史說話人矢量，基于所述歷史說話人矢量，所述歷史輸入文本，所述歷史編碼器和所述第一歷史解碼器對所述歷史對齊模塊進行訓(xùn)練，得到第一說話人模型，其中，所述第一說話人模型中包括：歷史目標對齊模塊；
第二訓(xùn)練單元，用于基于所述歷史說話人矢量，所述歷史輸入文本，所述歷史編碼器、所述第二歷史解碼器和所述歷史目標對齊模塊進行訓(xùn)練，得到第二說話人模型。
6.根據(jù)權(quán)利要求5所述的裝置，其特征在于，還包括：
所述歷史輸入文本中的音素以字為單位。
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)利屬于度小滿科技（北京）有限公司，未經(jīng)度小滿科技（北京）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/202110259482.2/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類
