[发明专利]语音合成方法、装置、设备及计算机可读存储介质有效
| 申请号： | 201910569831.3 | 申请日： | 2019-06-27 |
| 公开（公告）号： | CN110264993B | 公开（公告）日： | 2020-10-09 |
| 发明（设计）人： | 王振宇;李昊;侯建康;李飞亚 | 申请（专利权）人： | 百度在线网络技术（北京）有限公司 |
| 主分类号： | G10L13/08 | 分类号： | G10L13/08;G10L13/10 |
| 代理公司： | 北京同立钧成知识产权代理有限公司 11205 | 代理人： | 胡艾青;刘芳 |
| 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： | 本发明提供一种语音合成方法、装置、设备及计算机可读存储介质。本发明的方法，通过根据输入文本的音素序列和音素特征，确定输入文本的音节单元，以及音节单元的音节特征，通过获取音节单元的特征，能够在音节粒度上更好地捕获输入文本的韵律变化特征；然后根据音节单元的音节特征可以进一步确定输入文本的原始音素的时长，根据输入文本的原始音素的时长，将输入文本的原始音素扩充为帧序列单元，确定输入文本的帧序列和帧特征；根据输入文本的帧特征，确定输入文本的声学参数，并进行语音合成，能够将在音节粒度上捕获的韵律变化特征传递给底层音素，能够更好地捕获上下文特征，提高语音合成的自然度，提高语音合成的质量。 | ||
| 搜索关键词： | 语音 合成 方法 装置 设备 计算机 可读 存储 介质 | ||
【主权项】：
1.一种语音合成方法，其特征在于，包括：根据输入文本的音素序列和音素特征，确定所述输入文本的音节单元，以及所述音节单元的音节特征，每个所述音节单元包括第一音素和第二音素，所述第二音素为所述输入文本的原始音素；将所述音节单元的音节特征，输入时长预测模型，计算得到音节单元的总时长，以及所述音节单元中第一音素和第二音素的预测时长；根据所述音节单元的时长，以及所述音节单元的总时长，以及所述音节单元中第一音素和第二音素的预测时长，确定所述输入文本的原始音素的时长；根据所述输入文本的原始音素的时长，将所述输入文本的原始音素扩充为帧序列单元，确定所述输入文本的帧序列和帧特征；根据所述输入文本的帧特征，确定所述输入文本的声学参数，并进行语音合成。
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/201910569831.3/，转载请声明来源钻瓜专利网。
