[發明專利]模型生成方法、裝置、智能終端及計算機可讀存儲介質在審
| 申請號： | 202210102619.8 | 申請日： | 2022-01-27 |
| 公開（公告）號： | CN116564344A | 公開（公告）日： | 2023-08-08 |
| 發明（設計）人： | 陳崇明 | 申請（專利權）人： | TCL科技集團股份有限公司 |
| 主分類號： | G10L25/24 | 分類號： | G10L25/24;G10L25/30;G10L25/51;G10L15/08;G10L15/10;G10L15/26;G10L21/0216;G10L13/027;G10L13/033 |
| 代理公司： | 深圳紫藤知識產權代理有限公司 44570 | 代理人： | 張惠 |
| 地址： | 516000 廣東省惠州市*** | 國省代碼： | 廣東;44 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 模型 生成 方法 裝置 智能 終端 計算機 可讀 存儲 介質 | ||
1.一種模型生成方法，其特征在于，包括：
對獲取的原始音頻進行預處理，得到候選音頻；
確定所述候選音頻對應的第一對齊信息和第二對齊信息；
根據所述候選音頻、所述第一對齊信息以及所述第二對齊信息確定目標音頻；
根據所述目標音頻和所述第一對齊信息對預設第一網絡模型進行訓練，生成目標時長預測模型。
2.根據權利要求1所述的方法，其特征在于，所述對獲取的原始音頻進行預處理，得到候選音頻，包括：
將獲取的原始音頻轉換為錄音文本；
根據所述錄音文本及所述原始音頻對應的真實文本對所述原始音頻進行過濾，得到第一過濾音頻；
獲取所述第一過濾音頻中各個字對應的單字時長，根據所述單字時長及預先確定的所述第一過濾音頻中各個字對應的標準時長對所述第一過濾音頻進行過濾，得到第二過濾音頻；
對所述第二過濾音頻進行降噪處理，得到降噪音頻；
對所述降噪音頻進行靜音消除處理，得到候選音頻。
3.根據權利要求1所述的方法，其特征在于，所述確定所述候選音頻對應的第一對齊信息和第二對齊信息，包括：
分別獲取所述候選音頻對應的第一目標梅爾頻譜和若干第一音素序列；
將所述第一目標梅爾頻譜和所述若干第一音素序列輸入第一時長預測模型進行處理，輸出所述候選音頻對應的第一對齊信息；
以及將所述第一目標梅爾頻譜和所述若干第一音素序列輸入第二時長預測模型進行處理，輸出所述候選音頻對應的第二對齊信息。
4.根據權利要求3所述的方法，其特征在于，所述根據所述候選音頻、所述第一對齊信息以及所述第二對齊信息確定目標音頻，包括：
根據所述第一對齊信息和所述第二對齊信息，確定所述候選音頻中各句子對應的單音素差值序列；
根據所述各句子對應的單音素差值序列對所述候選音頻進行過濾，得到目標音頻。
5.根據權利要求4所述的方法，其特征在于，所述根據所述各句子對應的單音素差值序列對所述候選音頻進行過濾，得到目標音頻，包括：
從所述各句子對應的單音素差值序列中獲取各句子對應的最大單音素差值；
當所述最大單音素差值大于預先確定的標準值時，將所述最大單音素差值對應的句子從所述候選音頻中剔除，得到目標音頻。
6.根據權利要求5所述的方法，其特征在于，所述對獲取的原始音頻進行預處理，得到候選音頻之前，所述方法還包括：
將獲取的預設第一訓練樣本分別輸入所述第一時長預測模型和所述第二時長預測模型進行處理，輸出所述第一訓練樣本對應的第三對齊信息和第四對齊信息；
根據所述第三對齊信息和所述第四對齊信息，確定所述預先確定的標準值。
7.根據權利要求6所述的方法，其特征在于，所述對獲取的原始音頻進行預處理，得到候選音頻之前，所述方法還包括：
通過獲取的預設第二訓練樣本對預設第二網絡模型進行訓練，得到第三網絡模型；
通過所述第一訓練樣本對所述第三網絡模型進行訓練，得到所述第一時長預測模型。
8.根據權利要求6所述的方法，其特征在于，所述對獲取的原始音頻進行預處理，得到候選音頻之前，所述方法還包括：
通過獲取的預設第三訓練樣本對預設第四網絡模型進行訓練，得到第五網絡模型；
通過所述第一訓練樣本對所述第五網絡模型進行訓練，得到所述第二時長預測模型。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于TCL科技集團股份有限公司，未經TCL科技集團股份有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202210102619.8/1.html，轉載請聲明來源鉆瓜專利網。
