[发明专利]音频合成方法、装置、设备以及存储介质

说明书

本申请公开了一种音频合成方法、装置、设备以及存储介质，涉及语音合成领域。具体实现方案为：获取待合成音频和目标音频；基于待合成音频，确定对应的语言学特征；基于目标音频，确定目标音色；基于待合成音频、语言学特征和目标音色，确定声学特征；基于声学特征，合成目标音色音频，并输出。本实现方式通过根据待合成音频确定的语言学特征以及根据目标音频确定的目标音色，可以准确、快速地合成待合成音频对应的具有目标音色的音频，简化音频合成流程，提高对特定音色的音频合成的准确度。

技术领域

本申请涉及语音合成领域，具体为自然语言处理、计算机技术、人工智能、深度学习技术领域，尤其涉及音频合成方法、装置、设备以及存储介质。

背景技术

近年来，由于在线教育和在线学习的迅猛发展，音频合成技术得到了广泛的研究与关注，音频合成旨在于将某一用户的音频合成为不同口音或不同音色或既不同口音又不同音色等的音频。音频合成技术在娱乐方面也有很大的应用前景。利用现有的音频合成技术进行音频合成速度慢而且音频合成的结果往往不准确。

发明内容

本公开提供了一种音频合成方法、装置、设备以及存储介质。

根据本公开的一方面，提供了一种音频合成方法，包括：获取待合成音频和目标音频；基于待合成音频，确定对应的语言学特征；基于目标音频，确定目标音色；基于待合成音频、语言学特征和目标音色，确定声学特征；基于声学特征，合成目标音色音频，并输出。

根据本公开的另一方面，提供了一种音频合成装置，包括：获取单元，被配置成获取待合成音频和目标音频；语言学特征确定单元，被配置成基于待合成音频，确定对应的语言学特征；目标音色确定单元，被配置成基于目标音频，确定目标音色；声学特征确定单元，被配置成基于待合成音频、语言学特征和目标音色，确定声学特征；合成单元，被配置成基于声学特征，合成目标音色音频，并输出。

根据本公开的再一方面，提供了一种音频合成电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如上述的音频合成方法。

根据本公开的又一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，上述计算机指令用于使计算机执行如上述的音频合成方法。

根据本申请的技术解决了无法准确、快速地进行音频合成的问题，通过根据待合成音频确定的语言学特征以及根据目标音频确定的目标音色，可以准确、快速地合成待合成音频对应的具有目标音色的音频，简化音频合成流程，提高对特定音色的音频合成的准确度。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是本申请的一个实施例可以应用于其中的示例性系统架构图；

图2是根据本申请的音频合成方法的一个实施例的流程图；

图3是根据本申请的音频合成方法的一个应用场景的示意图；

图4是根据本申请的音频合成方法的另一个实施例的流程图；

图5是根据本申请的音频合成装置的一个实施例的结构示意图；

图6是用来实现本申请实施例的音频合成方法的电子设备的框图。

具体实施方式