[发明专利]语音合成方法和装置、电子设备及存储介质

说明书

本申请实施例提供的语音合成方法和装置、电子设备及存储介质，涉及语音合成技术领域。语音合成方法包括：首先，获取待处理语音数据的对数梅尔能量谱；其次，将待处理语音数据的对数梅尔能量谱输入预设的语音合成模型，得到第一合成音频，其中，预设的语音合成模型根据训练数据的对数梅尔能量谱进行训练得到。通过上述方法，可以实现通过对数梅尔能量谱就可以得到合成音频，避免了现有技术中语音合成方法需要的参数量较多，所导致的语音合成效率低的问题。

技术领域

本申请涉及语音合成技术领域，具体而言，涉及一种语音合成方法和装置、电子设备及存储介质。

背景技术

人工合成人类语音被称为语音合成，这种基于机器学习的技术适用于文本转换语音(text-to-speech)、音乐生成、语音生成、语音支持设备、导航系统以及为视障人士提供无障碍服务等应用场景。但是，经发明人研究发现，在现有技术中的语音合成方法需要的参数量较多，从而存在着语音合成的效率低的问题。

发明内容

有鉴于此，本申请的目的在于提供一种语音合成方法和装置、电子设备及存储介质，以改善现有技术中存在的问题。

为实现上述目的，本申请实施例采用如下技术方案：

第一方面，本发明提供一种语音合成方法，包括：

获取待处理语音数据的对数梅尔能量谱；

将所述待处理语音数据的对数梅尔能量谱输入预设的语音合成模型，得到第一合成音频，其中，所述预设的语音合成模型根据训练数据的对数梅尔能量谱进行训练得到。

在可选的实施方式中，所述获取待处理语音数据的对数梅尔能量谱的步骤，包括：

获取所述待处理语音数据；

对所述待处理语音数据进行能量谱计算，得到所述待处理语音数据的能量谱；

对所述能量谱进行对数梅尔能量谱计算，得到所述待处理语音数据的对数梅尔能量谱。

在可选的实施方式中，所述对所述待处理语音数据进行能量谱计算，得到所述待处理语音数据的能量谱的步骤，包括：

对所述待处理语音数据进行分帧处理，得到所述待处理语音数据的音频序列；

对所述音频序列进行短时傅立叶变换处理，得到所述待处理语音数据的频谱；

对所述频谱进行频谱能量计算，得到所述待处理语音数据的能量谱。

在可选的实施方式中，所述将所述待处理语音数据的对数梅尔能量谱输入预设的语音合成模型，得到第一合成音频的步骤，包括：

将所述待处理语音数据的对数梅尔能量谱输入预设的语音合成模型，根据预设的伪逆矩阵计算得到所述待处理语音数据的伪逆能量谱；

对所述伪逆能量谱进行短时傅立叶变换处理，得到所述待处理语音数据的变换音频；

对所述待处理语音数据的对数梅尔能量谱和变换音频进行合成处理，得到所述待处理语音数据的第一合成音频。

在可选的实施方式中，所述语音合成方法还包括训练语音合成模型的步骤，该步骤包括：

获取所述训练数据的对数梅尔能量谱；

对所述训练数据的对数梅尔能量谱进行语音合成处理，得到所述训练数据的第二合成音频；

根据所述训练数据的预设参数和所述第二合成音频对预设模型进行训练，得到语音合成模型。

在可选的实施方式中，所述预设参数包括相关系数，所述根据所述训练数据的预设参数和所述第二合成音频对预设模型进行训练，得到语音合成模型的步骤，包括：