申请/专利权人:微软技术许可有限责任公司
申请日:2020-03-13
公开(公告)日:2024-03-12
公开(公告)号:CN113470615B
主分类号:G10L13/04
分类号:G10L13/04;G10L13/047;G10L13/08
优先权:
专利状态码:有效-授权
法律状态:2024.03.12#授权;2021.10.26#实质审查的生效;2021.10.01#公开
摘要:本公开提供了用于训练声学模型的方法和装置。所述声学模型可以用于实现跨讲话者风格转移并且至少包括风格编码器。可以获得训练数据,所述训练数据包括与参考音频对应的文本、讲话者标识ID、风格ID、以及声学特征。可以通过所述风格编码器,基于所述声学特征来生成参考嵌入向量。可以至少利用所述风格ID和所述讲话者ID对所述参考嵌入向量执行对抗训练,以去除讲话者信息并保留风格信息。可以通过所述风格编码器,至少基于所述经过对抗训练的参考嵌入向量来生成风格嵌入向量。可以至少基于与所述文本对应的状态序列、与所述讲话者ID对应的讲话者嵌入向量、以及所述风格嵌入向量来生成预测的声学特征。
主权项:1.一种用于训练声学模型的方法,所述声学模型用于实现跨讲话者风格转移并且至少包括风格编码器,所述方法包括:获得训练数据,所述训练数据包括与参考音频对应的文本、讲话者标识ID、风格ID、以及声学特征;通过所述风格编码器,基于所述声学特征来生成参考嵌入向量;至少利用所述风格ID和所述讲话者ID对所述参考嵌入向量执行对抗训练,以去除讲话者信息并保留风格信息;通过所述风格编码器,至少基于所述经过对抗训练的参考嵌入向量来生成风格嵌入向量;以及至少基于与所述文本对应的状态序列、与所述讲话者ID对应的讲话者嵌入向量、以及所述风格嵌入向量来生成预测的声学特征。
全文数据:
权利要求:
百度查询: 微软技术许可有限责任公司 跨讲话者风格转移语音合成
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。