[发明专利]语音合成方法和装置有效
| 申请号： | 201810410481.1 | 申请日： | 2018-05-02 |
| 公开（公告）号： | CN108597492B | 公开（公告）日： | 2019-11-26 |
| 发明（设计）人： | 李昊;康永国;王振宇 | 申请（专利权）人： | 百度在线网络技术(北京)有限公司 |
| 主分类号： | G10L13/10 | 分类号： | G10L13/10;G10L13/08;G10L13/04;G10L25/30 |
| 代理公司： | 11205 北京同立钧成知识产权代理有限公司 | 代理人： | 宋扬;刘芳<国际申请>=<国际公布>=< |
| 地址： | 100085 北京市*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明实施例提供一种语音合成方法和装置。该方法包括：获取待处理文本的音素特征和韵律及情感特征，根据音素特征和韵律及情感特征，采用预先训练的时长模型，确定待处理文本的语音时长，所述时长模型基于卷积神经网络训练得到，根据音素特征、韵律及情感特征和语音时长，采用预先训练的声学参数模型，确定待处理文本的声学特征参数，所述声学参数模型基于卷积神经网络训练得到，根据声学特征参数，合成待处理文本的语音。本发明实施例的方法，能够在满足实时性要求的前提下，提供音质更高，更加具有情感表现力，更加自然流畅的合成语音。 | ||
| 搜索关键词： | 时长 情感特征 音素特征 语音 文本 韵律 卷积神经网络 方法和装置 声学参数 声学特征 语音合成 合成 实时性要求 音质 | ||
【主权项】：
1.一种语音合成方法，其特征在于，包括：/n获取待处理文本的音素特征和韵律及情感特征；/n根据所述音素特征和所述韵律及情感特征，采用预先训练的时长模型，确定所述待处理文本的语音时长，所述时长模型基于卷积神经网络训练得到；/n根据所述音素特征、所述韵律及情感特征和所述语音时长，采用预先训练的声学参数模型，确定所述待处理文本的声学特征参数，所述声学参数模型基于卷积神经网络训练得到；/n根据所述声学特征参数，合成所述待处理文本的语音；/n所述时长模型至少包括：/n对所述音素特征进行卷积处理的第一卷积网络滤波器和对所述韵律及情感特征进行卷积处理的第二卷积网络滤波器；/n所述声学特征参数包括：/n谱包络、能量参数、非周期参数、基频和声带振动判断参数；/n所述声学参数模型至少包括：/n用于输出谱包络的第一双向门控循环单元网络、用于输出能量参数的第二双向门控循环单元网络、用于输出非周期参数的第三双向门控循环单元网络和用于输出基频的第四双向门控循环单元网络。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于百度在线网络技术(北京)有限公司，未经百度在线网络技术(北京)有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810410481.1/，转载请声明来源钻瓜专利网。
