[发明专利]一种合成歌声音频的方法以及装置

权利要求书

1.一种合成歌声音频的方法，其特征在于，所述方法包括：

获取预存的平均歌声模型；

获取目标歌声数据的目标特征值文本以及目标声学参数；

根据所述目标特征值文本以及所述目标声学参数，确定所述目标发音人的特征值文本与声学参数的特征对应表；

基于所述目标特征值文本以及所述目标声学参数，对所述平均歌声模型进行训练，得到目标歌声模型；

当接收到待合成曲谱时，提取所述待合成曲谱的特征值文本，基于所述待合成曲谱的特征值文本、所述目标歌声模型以及所述特征对应表，得到所述待合成曲谱对应的目标歌声音频。

2.根据权利要求1所述的合成歌声音频的方法，其特征在于，所述获取预存的平均歌声模型，包括：

获取多个样本发音人的样本歌声数据；

提取所述样本歌声数据的样本特征值文本以及样本声学参数；

基于所述样本特征值文本以及所述样本声学参数，对初始歌声模型进行训练，得到平均歌声模型。

3.根据权利要求1所述的合成歌声音频的方法，其特征在于，所述根据所述目标特征值文本以及所述目标声学参数，确定所述目标发音人的特征值文本与声学参数的特征对应表，包括：

截取所述目标歌声数据的每个子音以及每个母音对应的声学参数，将每个子音以及每个母音对应的声学参数的对应关系确定为所述目标发音人的特征值文本与声学参数的特征对应表。

4.根据权利要求1所述的合成歌声音频的方法，其特征在于，所述基于所述目标特征值文本以及所述目标声学参数，对所述平均歌声模型进行训练，得到目标歌声模型，包括：

将所述目标特征值文本输入所述平均歌声模型，得到输出的预测声学参数；

基于所述预测声学参数与所述目标声学参数的对比，对所述平均歌声模型内的模型参数进行调整，直到所述预测声学参数与所述目标声学参数的误差值小于或等于预设误差值为止，将最后一次调整后的模型参数确定为目标歌声模型的模型参数，得到目标歌声模型。

5.根据权利要求1所述的合成歌声音频的方法，其特征在于，所述待合成曲谱的特征值文本包括子音音符对应的特征值文本、母音音符对应的特征值文本以及过渡音符对应的特征值文本，

所述基于所述待合成曲谱的特征值文本、所述目标歌声模型以及所述特征对应表，得到所述待合成曲谱对应的目标歌声音频，包括：

将所述子音音符对应的特征值文本以及过渡音符对应的特征值文本输入所诉目标歌声模型中，得到子音音符对应的声学参数以及过渡音符对应的声学参数；

在所述特征对应表中，将所述母音音符对应的特征值文本对应的声学参数，确定为母音音符对应的声学参数；

将所述子音音符对应的声学参数、过渡音符对应的声学参数以及母音音符对应的声学参数进行混合处理，得到待合成曲谱对应的声学参数；

将所述待合成曲谱对应的声学参数合成为待合成曲谱对应的目标歌声音频。

6.一种合成歌声音频的装置，其特征在于，包括：

获取单元，用于获取预存的平均歌声模型；

获取单元，用于获取目标歌声数据的目标特征值文本以及目标声学参数；

确定单元，用于根据所述目标特征值文本以及所述目标声学参数，确定所述目标发音人的特征值文本与声学参数的特征对应表；

训练单元，用于基于所述目标特征值文本以及所述目标声学参数，对所述平均歌声模型进行训练，得到目标歌声模型；

合成单元，用于当接收到待合成曲谱时，提取所述待合成曲谱的特征值文本，基于所述待合成曲谱的特征值文本、所述目标歌声模型以及所述特征对应表，得到所述待合成曲谱对应的目标歌声音频。

7.根据权利要求6所述的合成歌声音频的装置，其特征在于，所述获取单元，用于：

获取多个样本发音人的样本歌声数据；

提取所述样本歌声数据的样本特征值文本以及样本声学参数；

基于所述样本特征值文本以及所述样本声学参数，对初始歌声模型进行训练，得到平均歌声模型。