[发明专利]语音合成模型的训练方法、装置、存储介质以及电子设备

权利要求书

1.一种语音合成模型的训练方法，其特征在于，所述方法包括：

基于初始语音合成模型对文本数据进行语音合成处理得到合成语音；

基于说话人分类网络对所述合成语音进行情感识别得到第一特征向量；

基于说话人分类网络对所述文本数据对应的真人语音进行情感识别得到第二特征向量；

将所述第一特征向量和所述第二特征向量进行比较，基于比较结果对所述初始语音合成模型的网络参数进行更新处理得到目标语音合成模型。

2.根据权利要求1所述的方法，其特征在于，所述基于说话人分类网络对所述合成语音进行情感识别得到第一特征向量，包括：

获取所述合成语音的第一梅尔频谱；

基于所述说话人分类网路对所述第一梅尔频谱进行情感识别得到所述第一特征向量。

3.根据权利要求1所述的方法，其特征在于，所述基于说话人分类网络对所述文本数据对应的真人语音进行情感识别得到第二特征向量，包括：

获取所述真人语音的第二梅尔频谱；

基于所述说话人分类网路对所述第二梅尔频谱进行情感识别得到所述第二特征向量。

4.根据权利要求1所述的方法，其特征在于，所述基于语音合成模型对所述文本数据进行语音合成处理得到合成语音，包括：

将所述文本数据转换成至少一个音素序列；

基于初始语音合成模型对所述至少一个音素序列进行语音合成处理得到所述文本数据对应的梅尔频谱；

基于所述文本数据对应的梅尔频谱得到所述文本数据对应的合成语音。

5.根据权利要求4所述的方法，其特征在于，所述初始语音合成模型的训练过程，包括：

获取样本文本数据和样本语音；

对所述样本文本数据进行解码编码处理得到所述样本文本数据对应的梅尔频谱；

计算所述样本文本数据对应的梅尔频谱与所述样本语音对应的梅尔频谱的损失值；

在所述损失值小于或等于预设阈值时生成所述初始语音合成模型。

6.根据权利要求1所述的方法，其特征在于，所述将所述第一特征向量和所述第二特征向量进行比较，基于比较结果对所述语音合成模型的网络参数进行更新处理得到目标语音合成模型，包括：

计算所述第一特征向量和所述第二特征向量的相似度；

基于所述相似度计算损失值；

基于所述损失值以及反向传播算法更新所述语音合成模型的网络参数，网络参数更新后的语音合成模型为所述目标语音合成模型。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取待处理的文本数据，通过所述目标语音合成模型对所述待处理的文本数据进行语音合成处理，得到所述待处理的文本数据的合成语音。

8.一种语音合成模型的训练装置，其特征在于，所述装置包括：

语音合成模块，用于基于初始语音合成模型对文本数据进行语音合成处理得到合成语音；

第一情感识别模块，用于基于说话人分类网络对所述合成语音进行情感识别得到第一特征向量；

第二情感识别模块，用于基于说话人分类网络对所述文本数据对应的真人语音进行情感识别得到第二特征向量；

模型更新模块，用于将所述第一特征向量和所述第二特征向量进行比较，基于比较结果对所述初始语音合成模型的网络参数进行更新处理得到目标语音合成模型。

9.一种计算机存储介质，其特征在于，所述计算机存储介质存储有多条指令，所述指令适于由处理器加载并执行如权利要求1～7任意一项的方法步骤。

10.一种电子设备，其特征在于，包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行如权利要求1～7任意一项的方法步骤。