[发明专利]训练声码器和语音合成的方法和装置

权利要求书

1.一种训练声码器的方法，包括：

获取训练样本集，其中，训练样本包括语谱图、基频特征、清浊特征；

从所述训练样本集中选取训练样本，执行如下训练步骤：将所选取的训练样本中的语谱图输入声码器，得到中间特征；将所述中间特征输入基频预测网络，得到基频预测值；基于所选取的训练样本中的基频特征、清浊特征、基频预测值计算损失值；若损失值小于预定阈值，则确定出所述声码器训练完成。

2.根据权利要求1所述的方法，其中，所述方法还包括：

若损失值大于等于预定阈值，则调整所述声码器的相关参数和所述基频预测网络的相关参数，继续执行所述训练步骤。

3.根据权利要求1所述的方法，其中，所述声码器包括至少一个上采样模块，所述基频预测网络包括至少一个基频预测模块，至少一个上采样模块与基频预测模块相连接；以及

将所述中间特征输入基频预测网络，得到基频预测值，包括：

对于至少一个基频预测模块相连接的上采样模块，将该上采样模块输出的中间特征输入与其相连接的基频预测模块，得到该基频预测模块的基频预测值；

以及所述基于所选取的训练样本中的基频特征、清浊特征、基频预测值计算损失值，包括：

对于至少一个基频预测模块，基于该基频预测模块的基频预测值、所选取的训练样本中的基频特征、清浊特征计算该基频预测模块的损失值；

将所述基频预测模块的损失值的加权和作为最终的损失值。

4.根据权利要求3所述的方法，其中，每个上采样模块包括上采样层和残差模块，每个基频预测模块包括降采样模块和输出层。

5.根据权利要求1-4中任一项所述的方法，其中，所述基于所选取的训练样本中的基频特征、清浊特征、基频预测值计算损失值，包括：

基于所选取的训练样本中的基频特征、清浊特征、基频预测值计算绝对值误差损失值和平方误差损失值；

将绝对值误差损失值和平方误差损失值的加权和作为最终的损失值。

6.一种语音合成方法，包括：

获取待处理的声学特征；

将所述声学特征输入根据权利要求1-5中任一项所述方法训练得到的声码器中，输出合成的语音。

7.一种训练声码器的装置，包括：

获取单元，被配置成获取训练样本集，其中，训练样本包括语谱图、基频特征、清浊特征；

训练单元，被配置成从所述训练样本集中选取训练样本；执行如下训练步骤：将所选取的训练样本中的语谱图输入声码器，得到中间特征；将所述中间特征输入基频预测网络，得到基频预测值；基于所选取的训练样本中的基频特征、清浊特征、基频预测值计算损失值；若损失值小于预定阈值，则确定出所述声码器训练完成。

8.根据权利要求7所述的装置，其中，所述训练单元进一步被配置成：

若损失值大于等于预定阈值，则调整所述声码器的相关参数和所述基频预测网络的相关参数，继续执行所述训练步骤。

9.根据权利要求7所述的装置，其中，所述声码器包括至少一个上采样模块，所述基频预测网络包括至少一个基频预测模块，至少一个上采样模块与基频预测模块相连接；以及

所述训练单元进一步被配置成：

对于至少一个与基频预测模块相连接的上采样模块，将该上采样模块输出的中间特征输入与其相连接的基频预测模块，得到该基频预测模块的基频预测值；

对于至少一个基频预测模块，基于该基频预测模块的基频预测值、所选取的训练样本中的基频特征、清浊特征计算该基频预测模块的损失值；

将所述基频预测模块的损失值的加权和作为最终的损失值。

10.根据权利要求9所述的装置，其中，每个上采样模块包括上采样层和残差模块，每个基频预测模块包括降采样模块和输出层。