[发明专利]语音合成模型获取方法、装置、电子设备及存储介质

说明书

本申请公开了语音合成模型获取方法、装置、电子设备及存储介质，涉及语音合成、深度学习及自然语言处理等人工智能领域，其中的方法可包括：根据各自对应的训练语音数据，分别获取目标发音人以及至少一个非目标发音人的音色特征；针对至少一个非目标发音人，进行以下处理：以目标发音人为调整目标，根据非目标发音人与目标发音人的音色特征的差异，对非目标发音人的训练语音数据进行调整；根据目标发音人的训练语音数据以及调整后的非目标发音人的训练语音数据，训练语音合成模型。应用本申请所述方案，可提升模型训练效果以及语音合成效果等。

技术领域

本申请涉及人工智能技术领域，特别涉及语音合成、深度学习及自然语言处理领域，具体为语音合成模型获取方法、装置、电子设备及存储介质。

背景技术

随着技术的发展，语音合成使用场景越来越多，比如，在小说阅读的使用过程中，经常会出现不同语言尤其是中英文夹杂的情况。由于语音合成的发音人(说话人)往往只会一种语言，因此如何合成一个流畅、舒服的多语言语音，一直是语音合成领域的一个挑战。

目前，通常直接根据不同语言的发音人的训练语音数据训练得到一个多语言的语音合成模型，但由于不同发音人的音色等通常存在较大差异，因此采用这种方式往往模型训练难以收敛，即便训练完成，实际的语音合成效果也会比较差等。

发明内容

本申请提供了语音合成模型获取方法、装置、电子设备及存储介质。

一种语音合成模型获取方法，包括：

根据各自对应的训练语音数据，分别获取目标发音人以及至少一个非目标发音人的音色特征；

针对至少一个非目标发音人，进行以下处理：以所述目标发音人为调整目标，根据所述非目标发音人与所述目标发音人的音色特征的差异，对所述非目标发音人的训练语音数据进行调整；

利用所述目标发音人的训练语音数据以及调整后的所述非目标发音人的训练语音数据，训练语音合成模型。

一种语音合成模型获取装置，包括：获取模块、调整模块以及训练模块；

所述获取模块，用于根据各自对应的训练语音数据，分别获取目标发音人以及至少一个非目标发音人的音色特征；

所述调整模块，用于针对至少一个非目标发音人，进行以下处理：以所述目标发音人为调整目标，根据所述非目标发音人与所述目标发音人的音色特征的差异，对所述非目标发音人的训练语音数据进行调整；

所述训练模块，用于根据所述目标发音人的训练语音数据以及调整后的所述非目标发音人的训练语音数据，训练语音合成模型。

一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如以上所述的方法。

一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使计算机执行如以上所述的方法。

一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现如以上所述的方法。

上述申请中的一个实施例具有如下优点或有益效果：在进行模型训练之前，首先以目标发音人为调整目标，根据非目标发音人与目标发音人的音色特征之间的差异，对非目标发音人的训练语音数据进行调整，从而可使得非目标发音人的音色接近目标发音人的音色，进而再根据各发音人的训练语音数据进行语音合成模型的训练，从而提升了模型训练效果以及语音合成效果等。