申请/专利权人：汉王科技股份有限公司

申请日：2024-01-12

公开（公告）日：2024-04-12

公开（公告）号：CN117877460A

主分类号：G10L13/02

分类号：G10L13/02;G10L13/047;G10L13/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本申请公开了一种语音合成方法、装置、语音合成模型训练方法、装置、电子设备，属于计算机技术领域。所述方法包括：对目标文本执行单词到音素的转换处理，得到目标音素；对目标文本进行语义情感提取，得到目标文本的情感语义特征向量；对目标音素进行多头注意力编码处理，得到音素特征向量；对情感语义特征向量和音素特征向量进行融合处理，得到融合向量；对融合向量进行随机时长预测，得到每个目标音素的持续时长信息；获取融合向量的均值和方差；根据均值、方差和持续时长信息，编码得到音频数据。本方法通过引入待合成文本的情感和语义信息，提高文本先验分布的复杂程度，拉近先验分布和后验分布距离，最终合成更富有表现力和情感的语音。

主权项：1.一种语音合成方法，其特征在于，应用于语音合成模型，所述方法包括：对目标文本执行单词到音素的转换处理，得到目标音素；对所述目标文本进行语义情感提取，得到所述目标文本的情感语义特征向量；对所述目标音素进行多头注意力编码处理，得到音素特征向量；对所述情感语义特征向量和所述音素特征向量进行融合处理，得到融合向量；对所述融合向量进行随机时长预测，得到每个所述目标音素的持续时长信息；获取所述融合向量的均值和方差；根据所述均值、所述方差，以及，所述持续时长信息，获取所述目标文本对应的音频数据。

全文数据：

权利要求：

百度查询： 汉王科技股份有限公司 语音合成方法、装置、语音合成模型训练方法、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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD