[發明專利]文本轉語音方法、裝置、計算機設備及存儲介質

在審

• 申請號: 202111130534.2
• 申請日: 2021-09-26
• 公開（公告）號: CN113851108A
• 公開（公告）日: 2021-12-28
• 發明（設計）人: 張旭龍;王健宗
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G10L13/08
• 分類號: G10L13/08;G10L13/033;G10L25/27;G10L25/03
• 代理公司: 深圳眾鼎專利商標代理事務所(普通合伙) 44325
• 代理人: 譚果林

本發明涉及語音合成領域，尤其涉及一種文本轉語音方法、裝置、計算機設備及存儲介質。其方法包括：從音色數據庫中獲取音色信息，并從客戶端獲取目標文本，對目標文本和音色信息進行預處理，得到第一復合信息；將第一復合信息輸入注意力層，通過注意力層中的注意力網絡模型對第一復合信息的復合特征進行提取，得到注意力層輸出的第二復合信息；將第二復合信息輸入音色分類器，通過音色分類器對第二復合信息進行音色識別，判斷第二復合信息是否為目標音；若第二復合信息為目標音，則通過語音生成器對第二復合信息進行解碼，生成與目標文本對應的語音信息。本發明可以使生成的語音信息更加接近目標音，可提高語音合成的準確性。

技術領域

本發明涉及語音合成領域，尤其涉及一種文本轉語音方法、裝置、計算機設備及存儲介質。

背景技術

隨著互聯網的快速發展，手機、筆記本等電子產品已經成為日常生活和工作中必不可少的一部分。長時間盯著手機屏幕或電腦屏幕容易引發眼睛疲勞和頸椎病等不良狀況。

將文字轉換為語音，可以減少盯著手機屏幕或電腦屏幕的時間，進而減少眼睛疲勞和頸椎病等不良狀況?，F有將文字轉換為語音的技術中，通過分布式訓練得到的神經網絡，容易將文本信息的編碼錯誤會帶入音頻編碼中，導致文字轉語音的準確率不高。其次，現有技術中，由于文本編碼和音頻編碼同時訓練，導致合成目標聲音存在一定的困難。

發明內容

基于此，有必要針對上述技術問題，提供一種文本轉語音方法、裝置、計算機設備及存儲介質，以解決現有語音合成技術中，文字轉語音的準確率不高，且很難合成目標聲音的問題。

一種文本轉語音方法，包括：

從音色數據庫中獲取音色信息，并從客戶端獲取用戶輸入的目標文本，對所述目標文本和所述音色信息進行預處理，得到第一復合信息；

將所述第一復合信息輸入注意力層，通過所述注意力層中的注意力網絡模型對所述第一復合信息的復合特征進行提取，得到所述注意力層輸出的第二復合信息；

將所述第二復合信息輸入音色分類器，通過所述音色分類器對所述第二復合信息進行音色識別，判斷所述第二復合信息是否為目標音；

若所述第二復合信息為目標音，則通過語音生成器對所述第二復合信息進行解碼，得到與所述二復合信息對應的梅爾譜圖，并對所述梅爾譜圖進行逆處理，生成與所述目標文本對應的語音信息。

一種文本轉語音裝置，包括：

第一復合信息模塊，用于從音色數據庫中獲取音色信息，并從客戶端獲取用戶輸入的目標文本，對所述目標文本和所述音色信息進行預處理，得到第一復合信息；

第二復合信息模塊，用于將所述第一復合信息輸入注意力層，通過所述注意力層中的注意力網絡模型對所述第一復合信息的復合特征進行提取，得到所述注意力層輸出的第二復合信息；

音色分類器模塊，用于將所述第二復合信息輸入音色分類器，通過所述音色分類器對所述第二復合信息進行音色識別，判斷所述第二復合信息是否為目標音；

語音信息生成模塊，用于若所述第二復合信息為目標音，則通過語音生成器對所述第二復合信息進行解碼，得到與所述二復合信息對應的梅爾譜圖，并對所述梅爾譜圖進行逆處理，生成與所述目標文本對應的語音信息。

一種計算機設備，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機可讀指令，所述處理器執行所述計算機可讀指令時實現上述文本轉語音方法。

一個或多個存儲有計算機可讀指令的可讀存儲介質，所述計算機可讀指令被一個或多個處理器執行時，使得所述一個或多個處理器執行如上述文本轉語音方法。