[发明专利]语音合成方法和装置、计算设备、存储介质及程序产品

权利要求书

1.一种语音合成方法，包括：

获取待合成对话文本以及与所述待合成对话文本相关联的至少一条参考对话的对话文本和对话语音；

从所述待合成对话文本中提取待合成文本特征；

针对所述至少一条参考对话中的每一条参考对话，从该参考对话的对话文本中提取参考文本特征，并从该参考对话的对话语音中提取参考语音特征；

基于所述待合成文本特征、所提取的至少一个参考文本特征和所提取的至少一个参考语音特征，确定与所述待合成对话文本对应的预测语音特征；

至少基于所述待合成对话文本和所述预测语音特征，生成与所述待合成对话文本对应的合成对话语音。

2.根据权利要求1所述的语音合成方法，其中，所述基于所述待合成文本特征、所提取的至少一个参考文本特征和所提取的至少一个参考语音特征，确定与所述待合成对话文本对应的预测语音特征包括：

基于所提取的至少一个参考文本特征和所提取的至少一个参考语音特征，确定与所述至少一条参考对话分别对应的至少一个混合参考特征，其中每个混合参考特征包括与相应的参考对话对应的参考文本特征和参考语音特征；

基于所述至少一个混合参考特征，确定与所述至少一个混合参考特征分别对应的至少一个对话交互参考特征，其中每个对话交互参考特征包含与相应混合参考特征之外的至少一个其他混合参考特征相关联的信息；

基于所述待合成文本特征、所述至少一个混合参考特征和所述至少一个对话交互参考特征，确定所述预测语音特征。

3.根据权利要求2所述的语音合成方法，其中，所述基于所述待合成文本特征、所述至少一个混合参考特征和所述至少一个对话交互参考特征，确定所述预测语音特征包括：

根据所述至少一个混合参考特征和所述至少一个对话交互参考特征的对应关系，构建至少一个候选参考特征，其中，每个候选参考特征包括一个混合参考特征和对应的对话交互参考特征；

基于所述待合成文本特征和所述至少一个候选参考特征，确定所述预测语音特征。

4.根据权利要求3所述的语音合成方法，其中，所述基于所述待合成文本特征和所述至少一个候选参考特征，确定所述预测语音特征包括：

基于所述待合成文本特征，确定查询特征；

基于所述查询特征和所述至少一个候选参考特征中的每一个候选参考特征的相似度，确定每一个候选参考特征所对应的权重；

基于所确定的权重，确定所述至少一个候选参考特征的加权和；

基于所述查询特征和所述加权和，确定所述预测语音特征。

5.根据权利要求4所述的语音合成方法，其中，所述基于所述查询特征和所述加权和，确定所述预测语音特征包括：

基于所述查询特征和所述加权和，确定合成向量；

对所述合成向量进行线性变换和归一化，以得到所述预测语音特征。

6.根据权利要求2所述的语音合成方法，其中，所述基于所述至少一个混合参考特征，确定与所述至少一个混合参考特征分别对应的至少一个对话交互参考特征包括：

以所述至少一个混合参考特征中的各个混合参考特征为节点，构建对话交互图，其中，针对每个节点，存在一个或多个相邻节点，并存在从该一个或多个相邻节点指向该节点的边；

针对每个节点，对与该节点对应的混合参考特征和与该节点的一个或多个相邻节点对应的混合参考特征进行聚合，以得到与该节点对应的聚合参考特征；

基于与各节点对应的聚合参考特征，确定与各节点对应的对话交互参考特征。

7.根据权利要求6所述的语音合成方法，其中，每个参考对话还包括对话者标签，并且，所述以所述至少一个混合参考特征中的各个混合参考特征为节点，构建对话交互图包括针对每条边执行以下操作中的至少一个：

基于与该边相关联的两个节点的混合参考特征的相似度，确定该边的权重；

基于与该边相关联的两个节点的属性，确定该边的关系类型，其中，所述属性包括以下中的至少一个：与节点对应的参考对话的发生时间和与节点对应的参考对话的对话者标签。