语音合成模型训练和语音合成方法、装置、设备及介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112634866A(43)申请公布日2021.04.09(21)申请号202011549430.0(22)申请日2020.12.24(71)申请人北京猎户星空科技有限公司地址100025北京市朝阳区姚家园南路一号惠通时代广场8号(72)发明人张大成刘欢(74)专利代理机构北京同达信恒知识产权代理有限公司11291代理人张燕(51)Int.Cl.G10L13/08(2013.01)G10L13/047(2013.01)权利要求书2页说明书20页附图4页(54)发明名称语音合成模型训练和语音合成方法、装置、设备及介质(57)摘要本发明公开了一种语音合成模型训练和语音合成方法、装置、设备及介质。由于样本集中的任一第一语音样本对应的文本特征，均是根据预先配置的第一语言的语音单元集合与第二语言的语音单元集合的对应关系确定的，从而实现了将第一语音样本转换为第二语言的语音样本，增加了第二语言的语音样本的数量，后续基于样本集中的第一语音样本对应的文本特征样本和第一语音样本的第一声学特征，即可对原始语音合成模型进行训练，从而获取到第二语言对应的目标语音合成模型，从而实现无需大量的采集第二语言的语音样本，即可获取到第二语言的目标语音合成模型。CN112634866ACN112634866A权利要求书1/2页1.一种语音合成模型训练方法，其特征在于，所述方法包括：获取包含至少一个第一语音样本的样本集，所述第一语音样本为采用第一语言的语音样本，所述第一语音样本对应的文本特征样本是根据预先配置的第一语言的语音单元集合与第二语言的语音单元集合的对应关系确定的；基于所述样本集中的第一语音样本对应的文本特征样本和所述第一语音样本的第一声学特征，对原始语音合成模型进行训练，以获取所述第二语言对应的目标语音合成模型。2.根据权利要求1所述的方法，其特征在于，所述基于所述样本集中的第一语音样本对应的文本特征样本和所述第一语音样本的第一声学特征，对原始语音合成模型进行训练，以获取所述第二语言对应的目标语音合成模型，包括：获取所述样本集中任一第一语音样本对应的文本特征样本；基于所述第一语音样本对应的文本特征样本和所述第一语音样本的第一声学特征，对所述原始语音合成模型进行训练，得到基础语音合成模型；获取至少一个第二语音样本，所述第二语音样本为采用所述第二语言的语音样本，且所述第二语音样本的数量远小于第一语音样本的数量；基于所述第二语音样本对应的第二文本特征和所述第二语音样本的第二声学特征，对所述基础语音合成模型进行训练，得到所述目标语音合成模型，所述第二文本特征是基于所述第二语言的语音单元集合确定的。3.根据权利要求2所述的方法，其特征在于，所述得到基础语音合成模型之后，所述方法还包括：将所述基础语音合成模型中的各第一类参数的参数值，分别确定为所述目标语音合成模型中的对应参数的参数值；所述基于所述第二语音样本对应的第二文本特征和所述第二语音样本的第二声学特征，对所述基础语音合成模型进行训练，包括：基于所述第二语音样本对应的第二文本特征和所述第二语音样本的第二声学特征，对所述基础语音合成模型中的第二类参数的参数值进行调整，以确定所述目标语音合成模型中的对应参数的参数值。4.根据权利要求2所述的方法，其特征在于，所述样本集中还包括至少一个所述第二语音样本；基于所述第一语音样本对应的文本特征样本和所述第一语音样本的第一声学特征，对所述原始语音合成模型进行训练，得到基础语音合成模型，还包括：基于所述第二语音样本对应的第二文本特征和所述第二语音样本的第二声学特征，对所述原始语音合成模型进行训练，得到所述基础语音合成模型。5.一种语音合成模型训练方法，其特征在于，所述方法包括：获取包含至少一个语音样本的样本集，所述语音样本包括采用第一语言的第一语音样本和采用第二语言的第二语言样本；基于所述样本集中的第一语音样本对应的第一文本特征和所述第一语音样本的第一声学特征，以及所述样本集中的第二语音样本对应的第二文本特征和所述第二语音样本的第二声学特征，对所述原始语音合成模型进行训练，得到基础语音合成模型；其中，所述第一文本特征是基于所述第一语言的语音单元集合确定的，所述第二文本特征是基于所述第二语言的语音单元集合确定的；基于所述第二语音样本对应的第二文本特征和所述第二语音样本的第二声学特征，对2CN112634866A权利要求书2/2页所述基础语音合成模型进行训练，得到目标语音合成模型。6.根据权利要求5所述的方法，其特征在于，所述得到基础语音合成模型之后，所述方法还包括：将所述基础语音合成模型中的各第一类参数的参数值，分别确定为所述目标语音合成模型中的对应参数的参数值；所述基于所述第二语音样本对应的第二文本特征