申请/专利权人:上海稀宇极智科技有限公司
申请日:2023-12-31
公开(公告)日:2024-04-30
公开(公告)号:CN117953857A
主分类号:G10L13/027
分类号:G10L13/027;G10L13/08;G10L15/06;G10L15/07;G10L15/183;G10L25/63;G10L25/18
优先权:
专利状态码:在审-公开
法律状态:2024.04.30#公开
摘要:本申请公开一种语音生成模型训练方法,包括:获取训练数据集;从所述训练数据集选取多条数据条目,生成多个批处理数据条目集,其中,每个批处理数据条目集中有纯文本数据条目、纯音频数据条目和文本音频对数据条目;对所述批处理数据条目集中的数据条目进行离散编码处理,生成多条数据条目离散编码;根据所述多个批处理数据条目集中的多条数据条目离散编码对自回归模型进行训练,生成目标语音合成模型。还包括语音识别模型训练方法、语音合成方法、语音识别方法。本申请能够利用大量的无监督数据和有监督数据混合的方式进行训练,提高了数据的利用率,避免了模型的多阶段训练。
主权项:1.一种语音合成模型训练方法,其特征在于,包括如下步骤:获取训练数据集,所述训练数据集包括多条数据条目,所述数据条目的类型包括纯文本数据条目、纯音频数据条目和文本音频对数据条目;从所述训练数据集选取多条数据条目,生成多个批处理数据条目集,其中,每个批处理数据条目集中有纯文本数据条目、纯音频数据条目和文本音频对数据条目,所述批处理数据条目集中的所述纯文本数据条目、纯音频数据条目和文本音频对数据条目之间的比例满足设定比例条件;对所述批处理数据条目集中的数据条目进行离散编码处理,生成多条数据条目离散编码,其中每条数据条目离散编码中包括文本离散编码和语音离散编码,所述数据条目离散编码中文本离散编码位于所述语音离散编码前;根据所述多个批处理数据条目集中的多条数据条目离散编码对自回归模型进行训练,生成目标语音合成模型。
全文数据:
权利要求:
百度查询: 上海稀宇极智科技有限公司 语音合成、语音识别方法、训练方法、装置、电子设备、存储介质
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。