[发明专利]语音合成方法、装置、介质以及电子设备

说明书

本公开涉及一种语音合成方法、装置、介质以及电子设备，所述方法包括：获取待合成文本的音素序列以及所述音素序列对应的目标韵律信息，所述目标韵律信息是在所述待合成文本所属的第一语种下的韵律信息；根据所述音素序列、所述目标韵律信息、第一说话人在所述第一语种下的说话向量以及第二说话人的音色向量，合成目标语音，所述目标语音表征所述第二说话人根据所述第一语种说出所述待合成文本的语音。本公开的语音合成方法可以有效解决跨语种语音合成的问题，且合成的语音发音准确率高及韵律自然。

技术领域

本公开涉及人工智能技术领域，具体地，涉及一种语音合成方法、装置、介质以及电子设备。

背景技术

随着人工智能技术的发展，语音合成技术越来越受到人们的重视，语音合成技术可以将文本转化成语音输出。相关技术中，通常采用单语言模型对已获得用户授权使用的说话人的数据所属语种文本合成发音准确且听感真实的语音，如，中文发音人语音合成模型合成中文文本，或者英文发音人语音合成模型合成英文文本。然而，其对已获得用户授权使用的非说话人的数据所属语种文本或者混语语种文本，合成的语音发音不准确及表现自然度差。

发明内容

提供该部分内容以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该部分内容并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

第一方面，本公开提供一种语音合成方法，包括：

获取待合成文本的音素序列以及所述音素序列对应的目标韵律信息，所述目标韵律信息是在所述待合成文本所属的第一语种下的韵律信息；

根据所述音素序列、所述目标韵律信息、第一说话人在所述第一语种下的说话向量以及第二说话人的音色向量，合成目标语音，所述目标语音表征所述第二说话人根据所述第一语种说出所述待合成文本的语音。

第二方面，本公开提供一种语音合成装置，包括：

获取模块，被配置为获取待合成文本的音素序列以及所述音素序列对应的目标韵律信息，所述目标韵律信息是在所述待合成文本所属的第一语种下的韵律信息；

合成模块，被配置为根据所述音素序列、所述目标韵律信息、第一说话人在所述第一语种下的说话向量以及第二说话人的音色向量，合成目标语音，所述目标语音表征所述第二说话人根据所述第一语种说出所述待合成文本的语音。

第三方面，本公开提供一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现第一方面所述方法的步骤。

第四方面，本公开提供一种电子设备，包括：

存储装置，其上存储有至少一个计算机程序；

至少一个处理装置，用于执行所述存储装置中的所述至少一个计算机程序，以实现第一方面所述方法的步骤。

通过上述技术方案，通过给定第一说话人在第一语种下的说话向量和第二说话人的发音向量，使得合成的目标语音的节奏信息参考第一说话人在第一语种下的语音的节奏信息，及音色信息参考第二说话人本身的音色信息，使得即使第一语种不是第二说话人的语言，也可以合成出第二说话人根据第一语种说出的语音，可以有效解决跨语种语音合成的问题。同时，通过音素序列和目标韵律信息合成目标语音，合成出的目标语音发音准确率高且韵律自然。

本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。在附图中：

图1是根据本公开一示例性实施例示出的一种实施环境的示意图。