[发明专利]语音合成方法、装置、计算机设备及存储介质

权利要求书

1.语音合成方法，其特征在于，包括：

获取待合成文本文件；

将所述待合成文本文件输入至声谱预测网络内进行提取声学特征，以得到梅尔频谱；

将所述梅尔频谱输入至基于静态离散小波变换改进的Mel-GAN声码器内进行语音合成，以得到语音音频。

2.根据权利要求1所述的语音合成方法，其特征在于，所述声谱预测网络是通过对文本样本数据以及对应的音频样本数据进行预处理后训练深度学习网络得到的。

3.根据权利要求1所述的语音合成方法，其特征在于，所述基于静态离散小波变换改进的Mel-GAN声码器是通过带有梅尔频谱的音频样本数据训练GAN模型所得的；且所述GAN模型利用一维静态离散小波变换对带有梅尔频谱的音频样本数据进行下采样。

4.根据权利要求2所述的语音合成方法，其特征在于，所述声谱预测网络是通过对文本样本数据以及对应的音频样本数据进行预处理后训练深度学习网络得到的，包括：

获取文本样本数据以及对应的音频样本数据；

对所述文本样本数据进行正则化处理，以得到标准格式文本；

对所述音频样本数据进行去噪和降噪处理，以得到处理后的音频数据；

将标准格式文本以及处理后的音频数据对齐，以得到待训练数据；

构建深度学习网络；

利用待训练数据对所述深度学习网络进行训练，以确定声谱预测网络。

5.根据权利要求3所述的语音合成方法，其特征在于，所述GAN模型采用多尺度鉴别器，多个鉴别器在不同的音频分辨率上运行。

6.根据权利要求5所述的语音合成方法，其特征在于，所述基于静态离散小波变换改进的Mel-GAN声码器是通过带有梅尔频谱的音频样本数据训练GAN模型所得的，包括：

带有梅尔频谱的音频样本数据通过所述GAN模型的一维静态离散小波变换得到多个频率的子带信号，多个频率的子带信号通过所述GAN模型的卷积层进行卷积，以进行语音合成。

7.语音合成装置，其特征在于，包括：

文件获取单元，用于获取待合成文本文件；

声学特征提取单元，用于将所述待合成文本文件输入至声谱预测网络内进行提取声学特征，以得到梅尔频谱；

语音合成单元，用于将所述梅尔频谱输入至基于静态离散小波变换改进的Mel-GAN声码器内进行语音合成，以得到语音音频。

8.根据权利要求7所述的语音合成装置，其特征在于，还包括：

预测网络生成单元，用于通过对文本样本数据以及对应的音频样本数据进行预处理后训练深度学习网络得到，以得到声谱预测网络。

9.一种计算机设备，其特征在于，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述的方法。

10.一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时可实现如权利要求1至6中任一项所述的方法。