申请/专利权人:中邮消费金融有限公司
申请日:2024-03-12
公开(公告)日:2024-05-17
公开(公告)号:CN118053416A
主分类号:G10L13/08
分类号:G10L13/08;G10L13/10;G10L13/02
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.06.04#实质审查的生效;2024.05.17#公开
摘要:本发明公开了一种声音定制方法、装置、设备及存储介质,该方法包括:获取用户输入的文本信息,并对文本信息进行预处理,生成音素序列、韵律结构和分词信息;将音素序列、韵律结构和分词信息输入至改进后的VITS模型,生成目标音频,改进后的VITS模型包括韵律增强的融合向量模块和基于iSTFT的解码器模块,韵律增强的融合向量模块用于整合音素序列、韵律结构和分词信息。由于本发明通过韵律增强的融合向量模块整合音素序列、韵律结构和分词信息,并引入基于iSTFT的解码器模块,相比于现有技术,本发明不仅提升了中文语音合成的自然度,而且提升了中文语音合成的效率。
主权项:1.一种声音定制方法,其特征在于,所述声音定制方法包括以下步骤:获取用户输入的文本信息,并对所述文本信息进行预处理,生成音素序列、韵律结构和分词信息;将所述音素序列、所述韵律结构和所述分词信息输入至改进后的VITS模型,生成目标音频,所述改进后的VITS模型包括韵律增强的融合向量模块和基于iSTFT的解码器模块,所述韵律增强的融合向量模块用于整合所述音素序列、所述韵律结构和所述分词信息。
全文数据:
权利要求:
百度查询: 中邮消费金融有限公司 声音定制方法、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。