申请/专利权人:微软技术许可有限责任公司
申请日:2018-12-11
公开(公告)日:2024-03-15
公开(公告)号:CN111954903B
主分类号:G10L13/08
分类号:G10L13/08;G10L13/033
优先权:
专利状态码:有效-授权
法律状态:2024.03.15#授权;2020.12.04#实质审查的生效;2020.11.17#公开
摘要:提供了用于通过多说话者神经文本到语音TTS合成来生成语音的方法。可以接收文本输入1410。可以通过至少一个说话者模型,提供目标说话者的说话者潜在空间信息1420。可以通过声学特征预测器,基于所述文本输入和所述说话者潜在空间信息来预测至少一个声学特征1430。可以通过神经声码器,基于所述至少一个声学特征和所述说话者潜在空间信息来生成与所述文本输入相对应的语音波形1440。
主权项:1.一种用于通过多说话者神经文本到语音合成来生成语音的方法,包括:接收文本输入;通过至少一个说话者模型,提供目标说话者的说话者潜在空间信息;通过声学特征预测器,基于所述文本输入和所述说话者潜在空间信息来预测至少一个声学特征;通过神经声码器,基于所述至少一个声学特征和所述说话者潜在空间信息来生成与所述文本输入相对应的语音波形;通过第一神经网络,基于所述至少一个声学特征来生成至少一个经变换的声学特征;以及通过第二神经网络,基于所述说话者潜在空间信息来生成经变换的说话者潜在空间信息,并且其中,所述生成语音波形包括:基于所述至少一个经变换的声学特征和所述经变换的说话者潜在空间信息的组合来生成所述语音波形。
全文数据:
权利要求:
百度查询: 微软技术许可有限责任公司 多说话者神经文本到语音合成
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。