语音转换的方法、训练语音合成模型的方法及装置.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115359776A(43)申请公布日2022.11.18(21)申请号202211018396.3G10L25/03(2013.01)(22)申请日2022.08.24G10L25/30(2013.01)(71)申请人阳光保险集团股份有限公司地址518000广东省深圳市福田区红荔西路7002号第一世界广场A座17层(72)发明人蔡岩松杜新凯李亚楠牛国扬邓钊(74)专利代理机构北京超凡宏宇专利代理事务所(特殊普通合伙)11463专利代理师刘攀(51)Int.Cl.G10L13/02(2013.01)G10L13/033(2013.01)G10L13/06(2013.01)G10L13/08(2013.01)权利要求书2页说明书11页附图3页(54)发明名称语音转换的方法、训练语音合成模型的方法及装置(57)摘要本申请提供一种语音转换的方法、训练语音合成模型的方法及装置，该方法包括，获取目标用户的待转换文本；通过语音合成模型对待转换文本进行转换，得到待转换文本对应的语音，其中，语音合成模型是根据目标用户的语言能力等级，通过语言能力等级对应的预设比例的多个语种的语音样本、多个语种的字词语音样本和多个语种的发音因素样本对基础模型进行训练得到的，不同的语言能力等级对应的预设比例不同，基础模型是通过基础预设比例的多个语种的语音样本以及多个语种的混合语音样本对通用模型进行训练得到的。通过该方法可以达到提高语音转换的准确率的效果。CN115359776ACN115359776A权利要求书1/2页1.一种语音转换的方法，其特征在于，包括：获取目标用户的待转换文本；通过语音合成模型对所述待转换文本进行转换，得到所述待转换文本对应的语音，其中，所述语音合成模型是根据所述目标用户的语言能力等级，通过所述语言能力等级对应的预设比例的多个语种的语音样本、所述多个语种的字词语音样本和所述多个语种的发音因素样本对基础模型进行训练得到的，不同的所述语言能力等级对应的所述预设比例不同，所述基础模型是通过基础预设比例的所述多个语种的语音样本以及所述多个语种的混合语音样本对通用模型进行训练得到的。2.根据权利要求1所述的方法，其特征在于，所述语言能力等级，包括：第一语言能力等级、第二语言能力等级和第三语言能力等级，其中，所述第一语言能力等级表示所述目标用户掌握所述多个语种，所述第二语言能力等级表示所述目标用户掌握所述多个语种中的部分语种，所述第三语言能力等级表示所述目标用户未掌握所述多个语种中的任一种。3.根据权利要求1或2所述的方法，其特征在于，所述获取目标用户的待转换文本，包括：将初始待转换文本进行预处理，得到所述待转换文本，其中，所述预处理包括以下处理方法中的至少一个：清洗、删除、截取和补全。4.根据权利要求1或2所述的方法，其特征在于，在所述获取目标用户的待转换文本之前，所述方法还包括：获取所述目标用户的所述语言能力等级和所述语言能力等级对应的所述预设比例的所述多个语种的语音样本、所述多个语种的字词语音样本和所述多个语种的发音因素样本；利用基础预设比例的所述多个语种的语音样本以及所述多个语种的混合语音样本对所述通用模型进行训练，得到所述基础模型；利用所述预设比例的所述多个语种的语音样本、所述多个语种的字词语音样本和所述多个语种的发音因素样本对所述基础模型进行训练，得到所述语音合成模型。5.一种训练语音合成模型的方法，其特征在于，包括：通过基础预设比例的多个语种的语音样本以及所述多个语种的混合语音样本对通用模型进行训练，得到基础模型；通过目标用户的语言能力等级对应的预设比例的所述多个语种的语音样本、所述多个语种的字词语音样本和所述多个语种的发音因素样本对所述基础模型进行训练，得到语音合成模型，其中，不同的所述语言能力等级对应的预设比例不同。6.根据权利要求5所述的方法，其特征在于，在所述通过目标用户的语言能力等级对应的预设比例的所述多个语种的语音样本、所述多个语种的字词语音样本和所述多个语种的发音因素样本对所述基础模型进行训练，得到语音合成模型之后，所述方法还包括：向所述语音合成模型中嵌入所述目标用户的性别信息、音色特征信息和边界信息，其中，所述边界信息用于标识语音样本中语音语种是否相同。7.一种语音转换的装置，其特征在于，包括：获取模块，用于获取目标用户的待转换文本；2CN115359776A权利要求书2/2页转换模块，用于通过语音合成模型对所述待转换文本进行转换，得到所述待转换文本对应的语音，其中，所述语音合成模型是根据所述目标用户的语言能力等级，通过所述语言能力等级对应的预设比例的多个语种的语音样本、所述多个语种的字词语音样本和所述多个语种的发音因素样本对基础模型进行训练得到的，不同的所述