申请/专利权人:北京地平线机器人技术研发有限公司
申请日:2019-11-11
公开(公告)日:2024-04-09
公开(公告)号:CN112786001B
主分类号:G10L13/02
分类号:G10L13/02;G10L13/04;G10L13/047
优先权:
专利状态码:有效-授权
法律状态:2024.04.09#授权;2021.05.28#实质审查的生效;2021.05.11#公开
摘要:本申请实施例公开了一种语音合成模型训练方法、语音合成方法、装置存储介质和电子设备,其中,语音合成模型训练方法包括:从音频库中提取音频文件的声学特征、音频波形点;对所述音频文件的所述音频波形点、所述音频文件上采样后的所述声学特征分别进行编码,并对编码后的所述音频文件的所述音频波形点、所述音频文件上采样后的所述声学特征进行拼接,得到拼接特征;将所述拼接特征输入到预设神经网络中进行训练;在训练过程中对所述预设神经网络中的网络参数进行迭代更新,在迭代终止后得到语音合成模型。采用语音合成模型训练方法训练得到的语音合成模型,其合成的语音发音更自然,与真实的人类语音更相近。
主权项:1.一种语音合成模型训练方法,包括:从音频库中提取音频文件的声学特征、音频波形点;对所述音频文件的所述音频波形点、所述音频文件上采样后的所述声学特征分别进行编码,并对编码后的所述音频文件的所述音频波形点、所述音频文件上采样后的所述声学特征进行拼接,得到拼接特征;将所述拼接特征输入到预设神经网络中进行训练;在训练过程中对所述预设神经网络中的网络参数进行迭代更新,在迭代终止后得到语音合成模型;所述对所述音频文件的所述音频波形点、所述音频文件上采样后的所述声学特征分别进行编码,并对编码后的所述音频文件的所述音频波形点、所述音频文件上采样后的所述声学特征进行拼接,得到拼接特征,包括:将所述音频文件上采样后的所述声学特征输入到第一预设编码层,得到第一编码,其中,所述音频文件上采样后的所述声学特征的长度与所述音频波形点的长度相等;对所述音频波形点进行非均匀编码,得到第二编码;将所述第二编码输入到第二预设编码层,得到第三编码;将所述第一编码和所述第三编码进行拼接,得到所述拼接特征。
全文数据:
权利要求:
百度查询: 北京地平线机器人技术研发有限公司 语音合成模型训练方法、语音合成方法和装置
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。