申请/专利权人：科大讯飞股份有限公司

申请日：2020-12-31

公开（公告）日：2024-05-03

公开（公告）号：CN112735373B

主分类号：G10L13/02

分类号：G10L13/02;G10L17/02;G10L17/04;G10L19/00;G10L19/02

优先权：

专利状态码：有效-授权

法律状态：2024.05.03#授权;2024.04.16#著录事项变更;2021.05.21#实质审查的生效;2021.04.30#公开

摘要：本申请公开了一种语音合成方法、装置、设备及存储介质，本申请获取到原始文本、原始文本对应的音素序列，以及待合成语音的说话人特征，进而将原始文本以及音素序列进行特征融合，得到融合特征，进而基于融合特征及说话人特征进行编解码处理，得到声学频谱，并基于声学频谱进行语音合成，得到合成语音。本申请通过融合原始文本及音素序列得到融合特征，丰富了输入信息，并且能够挖掘不同语种特有的发音信息，示例如，中文的调型、日语的调核、俄语的重音等均可以通过音素序列得以展示，基于此得到声学频谱并进行语音合成，得到的合成语音更加自然、符合对应语种的发音特点，也即合成语音的质量更高。

主权项：1.一种语音合成方法，其特征在于，包括：获取原始文本、所述原始文本对应的音素序列，以及待合成语音的说话人特征，所述音素序列用于表征语种的发音特性；将所述原始文本及所述音素序列进行特征融合，得到融合有原始文本以及音素序列的融合特征；基于所述融合特征及所述说话人特征进行编解码处理，得到声学频谱；基于所述声学频谱进行语音合成，得到合成语音；所述基于所述融合特征及所述说话人特征进行编解码处理，得到声学频谱，包括：将所述融合特征输入文本编码器，得到文本编码器输出的编码特征，其中，所述文本编码器被配置为，用于输出与说话人信息无关的编码特征，使得所述文本编码器具备阻止输出的编码特征捕获说话人信息的能力，实现输出的编码特征与说话人的语种解耦；将所述编码特征与所述说话人特征进行拼接，得到拼接特征；基于所述拼接特征进行解码处理，得到声学频谱；所述文本编码器的预配置过程，包括：对所述文本编码器与预设的说话人分类器进行对抗训练，训练时所述说话人分类器以所述文本编码器输出的编码特征为依据，预测对应的说话人类别，所述说话人分类器的分类准确率越高，则调整所述文本编码器的对抗损失越大，使所述文本编码器输出的编码特征不包含有说话人信息，不会受到原始文本携带的说话人信息的干扰。

全文数据：

权利要求：

百度查询： 科大讯飞股份有限公司 语音合成方法、装置、设备及存储介质

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。

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