[发明专利]基于音频特征提取的语音合成方法、装置、设备及介质在审
| 申请号： | 202110609662.9 | 申请日： | 2021-06-01 |
| 公开（公告）号： | CN113345413A | 公开（公告）日： | 2021-09-03 |
| 发明（设计）人： | 郭洋;王健宗 | 申请（专利权）人： | 平安科技（深圳）有限公司 |
| 主分类号： | G10L13/033 | 分类号： | G10L13/033;G10L13/04 |
| 代理公司： | 深圳市精英专利事务所 44242 | 代理人： | 涂年影 |
| 地址： | 518000 广东省深圳市福田区福*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了基于音频特征提取的语音合成方法、装置、设备及介质，方法包括：根据第一提取规则从用户输入的初始语音中提取整体音频系数信息，将整体音频系数信息输入映射处理模型得到预设维度的个体区别特征，根据第二提取规则从初始语音中提取得到音频特征系数信息，将音频特征形式信息与个体区别特征共同输入语音合成模型以得到合成语音。本发明属于语音合成技术领域，可获取到具有较强鲁棒性的个体区别特征，并基于个体区别特征与音频特征系数信息组合以进行语音合成得到合成语音，由于在合成语音中添加了个体区别特征，可在合成语音中实现高质量地模拟自然人声的效果，从而大幅提高了所合成的语音信息的质量。 | ||
| 搜索关键词： | 基于 音频 特征 提取 语音 合成 方法 装置 设备 介质 | ||
【主权项】：
暂无信息
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平安科技（深圳）有限公司，未经平安科技（深圳）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/202110609662.9/，转载请声明来源钻瓜专利网。
- 同类专利
- 语音消息处理方法、装置、电子设备及存储介质-202310739963.2
- 严超 - 维沃移动通信有限公司
- 2023-06-20 - 2023-10-27 - G10L13/033
- 本申请公开了一种语音消息处理方法、装置、电子设备及存储介质，属于计算机技术领域。该方法包括：在录制目标语音消息的情况下，接收第一输入；响应于第一输入，在目标语音消息的第一位置显示目标插入符；目标插入符用于标记第一位置对应的目标语音片段，以及目标语音片段的语音编辑类型。
- 音频处理方法、装置、设备、介质及产品-202310929195.7
- 张权;王贵鹏 - 武汉中科创达软件有限公司
- 2023-07-26 - 2023-10-17 - G10L13/033
- 本申请公开了一种音频处理方法、装置、设备、介质及产品，包括：接收第一输入，响应于第一输入，获取初始音频的音频数据，初始音频的音频数据包括初始音频的音轨；响应于接收到的第二输入，在初始音频的音轨上，显示初始音频对应的波形数据；响应于接收到的第三输入，基于编辑操作，调整初始音频对应的波形数据以得到目标音频，第三输入用于指示对初始音频对应的波形数据的编辑操作。本申请实施例，降低了音频的编辑复杂度，进而提高了用户对音频的编辑效率。
- 语音合成方法、装置、可读介质及电子设备-202010197182.1
- 殷翔 - 北京字节跳动网络技术有限公司
- 2020-03-19 - 2023-10-13 - G10L13/033
- 本公开涉及一种语音合成方法、装置、可读介质及电子设备，包括获取用户输入的待处理声音和目标文本，声音片段含有噪声；从待处理声音中提取待处理频谱数据；根据待处理频谱数据和目标文本生成与待处理声音的音色和目标文本对应的目标频谱数据；根据目标频谱数据合成得到与目标文本对应的目标声音。这样，在用户输入的任意长度且含有噪声的声音片段的情况下也能处理得到清晰的发音，也即提高了对多种SNR信噪比（SIGNAL NOISE RATIO，SNR or S/N）环境下的语音合成的效果，无需用户在无噪声的环境下、按照限定的内容或长时间的语音输入，在保证语音合成效果的前提下大大简化了用户语音合成的复杂度。
- 语音输出方法及装置-202310804734.4
- 丁志欣;马思凡;李玉茹 - 联想（北京）有限公司
- 2023-06-30 - 2023-10-03 - G10L13/033
- 本发明提供一种语音输出方法及装置，该方法包括：采集虚拟形象与用户语音交互过程中用户的第一音频数据；获得第一音频数据对应的第一语音特征信息；将第一语音特征信息输入音频处理模型，获得第二语音特征信息；引导虚拟形象基于第二语音特征信息输出第二音频数据。
- 一种标准发音的生成方法及系统-202310557452.9
- 刘斌 - 齐鲁师范学院
- 2023-05-17 - 2023-10-03 - G10L13/033
- 本申请公开了一种标准发音的生成方法及系统，涉及音频生成的领域，尤其是涉及一种标准发音的生成方法及系统，其包括获取用户说话的语音内容信息、声音特征以及语音情绪信息；建立语言词典以及语言对应网；将获取的用户的语音内容信息进行断句和词语拆解，获取标准发音语句后进行输出；对获取的用户的声音特征进行分析，获取声音的响度特征、音调特征以及音色特征；对获取的用户的语音情绪信息进行分析获取用户的情绪标签，判断获取用户的言语情绪，判断获取用户的语气情绪；获取当前情境下包含用户情绪的具有用户声音特征的标准发音语句。本申请具有生成准确用户特征及情绪的标准发音，以提高不同区域间人员之间语言交流及情感交流的效率的效果。
- 音频数据的处理方法、装置及服务器-202210277099.4
- 刘丽娟 - 北京金山云网络技术有限公司
- 2022-03-21 - 2023-09-29 - G10L13/033
- 本发明提供了一种音频数据的处理方法、装置及服务器，涉及音频处理的技术领域，该方法包括：获取待处理音频数据；基于待处理音频数据的音频特征截取待处理音频数据中所包含的至少一个有效音频片段；将至少一个有效音频片段进行合成处理，以得到待处理音频数据对应的有效音频数据。本发明提供的音频数据的处理方法、装置及服务器，根据待处理音频数据的音频特征去截取待处理音频数据中所包含的有效音频片段，这样可以有效切割掉无效的杂音、空频段等数据，使得最终合成处理后得到的有效音频数据包含的都是高质量的有效音频，不仅减少了存储空间，也相应地降低了存储成本，在一定程度上避免了资源浪费的问题。
- 语音检测方法、装置、介质以及电子设备-202310701621.1
- 王聪;邱楚寒;马泽君 - 北京有竹居网络技术有限公司
- 2023-06-13 - 2023-09-26 - G10L13/033
- 本公开涉及一种语音检测方法、装置、介质以及电子设备，涉及计算机技术领域，该方法通过确定待检测语音的基频曲线，根据基频曲线，确定与基频曲线相匹配的等响曲线，根据等响曲线，确定待检测语音对应的目标加权系数，根据待检测语音对应的原始响度参数以及目标加权系数，确定目标响度参数，根据目标响度参数以及预设响度阈值，确定待检测语音的响度检测结果，可以将待检测语音的原始响度参数转换为人耳听到的主观的目标响度参数，并根据目标响度参数以及预设响度阈值，确定响度检测结果，从而获得响度值适用于文本生成语音的应用场景的语音，使得基于文本生成的语音更加准确。
- 一种流式的小样本数据音色转换方法、系统-202310911244.4
- 张涛;姜兴华;黄灏 - 杭州一知智能科技有限公司
- 2023-07-24 - 2023-09-12 - G10L13/033
- 本发明公开了一种流式的小样本数据音色转换方法、系统，属于语音合成技术领域。包括：收集不同说话人的音频数据样本；利用音频数据样本对基于声纹模型的音色转换网络进行预训练，所述的音色转换网络分别提取音频的语义特征和含音色信息的声纹特征，两者以相互独立的方式输入到声学模型中，将声纹特征中的音色信息逐步迁移至语义特征中，生成梅尔频谱图；采用目标说话人的音频数据微调音色转换网络，在所述的微调过程中，仅训练音色编码器参数，其余参数冻结；利用微调后的音色转换网络对音频进行目标说话人音色转换。本发明可以实现小样本数据音色转换，以微调方式降低过拟合程度，但不会降低生成音频的质量。
- 一种语音音色转换方法和系统-202310607980.0
- 李雅;韩易辰;高迎明 - 北京邮电大学
- 2023-05-26 - 2023-09-12 - G10L13/033
- 本发明提供一种语音音色转换方法和系统，所述方法包括：输入一对训练语音至初始网络模型。利用长短时记忆网络和残差向量量化提取参考音频的音色特征，利用内容向量提取模型去除样本语音的音色，利用基频编码器提取基频特征，利用文本编码器提取样本语音的文本特征。将音色特征、基频特征和文本特征输入先验编码器，将样本语音的线性谱输入后验编码器，利用Flow模型对齐先验编码器和后验编码器的输出，计算概率分布距离作为损失函数，最小化损失以优化各模型的参数。将待转换语音输入训练好的模型中，模型通过声码器输出音色转换后的语音。该方法改进了现有技术中音色未完全转换、生成音色过于机械的问题，可以对任意说话人的音色建模，适用性更广。
- 空调器及其语音生成方法、语音生成装置和可读存储介质-202010479791.6
- 钟鸿飞;罗彪;刘景春 - 广东美的制冷设备有限公司;美的集团股份有限公司
- 2020-05-29 - 2023-09-08 - G10L13/033
- 本发明公开了一种空调器的语音生成方法，该方法包括：获取待转换文本、以及目标对象对应的语音生成模型；将所述待转换文本输入所述语音生成模型；将所述语音生成模型的输出结果作为目标语音信息，所述目标语音信息具有所述目标对象的发音特征。本发明还公开了一种语音生成装置、空调器和可读存储介质。本发明旨在实现空调器可输出具有用户发音特点的语音，以使空调器输出的语音满足用户的个性化需求。
- 一种采用AI拟声的IP广播系统-202310928552.8
- 林弟;明德;朱正辉;黄小强 - 广东保伦电子股份有限公司
- 2023-07-27 - 2023-08-25 - G10L13/033
- 本发明涉及AI拟声技术领域，尤其涉及一种采用AI拟声的IP广播系统，包括：例句生成模块、声音采集模块、语音合成模块、用以在声音采集模块获取到新注册的用户的原始语音时，语音合成模块根据新注册的用户朗读的若干例句的原始语音生成一针对新注册的用户朗读的例句的拟声语音，以根据单个拟声语音和与单个拟声语音匹配的原始语音的比对结果对生成的拟声语音是否符合预设标准进行判定，判定语音合成模块将新生成的例句逐个合成为拟声语音并分别新生成的各拟声语音进行评级，以根据评级结果判定是否对针对新注册的用户生成的拟声语音的音量或语速进行调节的判定模块，以及，调节模块，有效提高了拟声语音的准确性和与用户的相似性。
- 音色转换方法、装置、设备及存储介质-202310713427.5
- 黄杰雄;罗程方;高阳升 - 广州世音联软件科技有限公司
- 2023-06-15 - 2023-08-25 - G10L13/033
- 本申请公开了一种音色转换方法、装置、设备及存储介质，涉及音频处理技术领域。该方法包括：对第一音频进行音源分离，得到语音音频和非语音音频；基于语音音频的音色变化，将语音音频切分为至少两个语音音频片段；根据各个语音音频片段分别对应的音色，对语音音频片段进行音色转换，得到转换后的语音音频；根据转换后的语音音频和非语音音频，生成第二音频，该第二音频是对第一音频进行音色转换后得到的音频。上述方法实现了对输入音频中具有不同音色的音频片段进行区分，并相应转换为不同的目标音色，提升了音色转换的灵活性，有助于提升最终转换得到的输出音频的听感丰富度。
- 一种语音转换方法、装置、设备及可读存储介质-202310826057.6
- 彭话易 - 咪咕文化科技有限公司;中国移动通信集团有限公司
- 2023-07-06 - 2023-08-22 - G10L13/033
- 本发明提供一种语音转换方法、装置、设备及可读存储介质，方法包括：获取待处理的语音信息；基于三头编码器，分别对待处理的语音信息中的语音内容、环境噪声以及基频信息进行编码建模，以得到编码建模后的语音信息；对编码建模后的语音信息的时序进行更改，以调整编码后的语音信息的语速；将调整语速后的语音信息输入预先训练好的与目标用户对应的音色转换模型中，得到目标声学特征，其中，所述目标声学特征的音色与所述目标用户的音色相同。由此，可根据需要对待处理的语音信息进行音色转换，且转换方式更加高效准确；对语音信息进行多维度编码可提升语音在噪音环境下的鲁棒性；语速控制可使得语音更加符合用户需求。
- 音色转换模型的训练方法、音色转换方法、装置及设备-202310713433.0
- 黄杰雄;关迪聆;轩晓光;吴东海;陈传艺 - 广州酷狗计算机科技有限公司;广州世音联软件科技有限公司
- 2023-06-15 - 2023-08-11 - G10L13/033
- 本申请公开了一种音色转换模型的训练方法、音色转换方法、装置及设备，涉及音频处理技术领域。该方法包括：获取样本音频的音频内容信息、音频特征信息和声纹特征；将上述音频内容信息、音频特征信息和声纹特征，输入至音色转换模型，由音色转换模型输出预测的声学特征；根据预测的声学特征和样本音频的声学特征之间的差异，对音色转换模型的参数进行调整，得到训练后的音色转换模型。通过使用上述多种音频特征，对音色转换模型进行训练，使得采用该模型转换得到的音频与目标音色相似度更高，且发音质量更好。而且，上述针对音色转换模型的训练过程，是一个自监督的训练过程，无需依赖人工标注等其他处理流程，对于训练音色转换模型非常方便。
- 一种基于语音转换的病理嗓音修复方法-202310553240.3
- 张涛;吕莹;刘赣俊;赵鑫 - 天津大学
- 2023-05-17 - 2023-08-11 - G10L13/033
- 本发明提供了一种基于语音转换的病理嗓音修复方法，包括对病理说话人的指定语料进行基于参数的修复得到少量修复语音，然后对修复的语音进行MOS打分，选择分数最高的语音作为“伪参考语料”；将“伪参考语料”作为目标语音，输入至音色编码器网络中提取音色；通过内容编码器分离出病理嗓音内容；对音色和病理嗓音内容经过解码器网络进行合成得到修复语音。本发明选择采用参数修复方法得到少量修复语音作为目标语音输入，结合语音转换技术，实现不受文本约束的病理嗓音修复。
- 提供语音内容的方法及电子设备-202310545946.5
- 周晨颖;郭淑明 - 阿里巴巴（中国）有限公司
- 2023-05-12 - 2023-08-08 - G10L13/033
- 本申请实施例公开了提供语音内容的方法及电子设备，所述方法包括：获取用户的声纹数据；确定所述用户选择的目标阅读对象，根据所述声纹数据以及所述目标阅读对象，生成带有所述用户的语音特征的个性化语音内容；将所述个性化语音内容提供给客户端，以便对所述个性化语音内容进行播放。通过本申请实施例，可以使得播放出的语音内容具有用户的语音特征，在母婴幼教、亲子阅读等场景中，进而使得儿童获得父母亲自为其阅读的体验。
- 音频处理方法及装置、电子设备、存储介质-202310641242.8
- 张旭龙;王健宗;程宁;赵金凤 - 平安科技（深圳）有限公司
- 2023-05-31 - 2023-08-04 - G10L13/033
- 本申请实施例提供了一种音频处理方法及装置、电子设备、存储介质，属于金融技术领域。该方法包括：基于预配置的音频编码器，根据第一音色向量、第一内容向量和第一音高向量生成第一潜变量；对第一潜变量进行潜在关系映射处理，得到第二潜变量；将第一内容向量与获取到的第二音高向量进行对齐处理，得到待处理音频对应的第二内容向量；基于音频编码器，根据第一音色向量、第二内容向量、第二音高向量以及第二潜变量，对初始梅尔频谱进行频谱优化处理，得到优化梅尔频谱。本申请实施例不仅可以改善待处理音频的音质和音高，还可以基于改善后的音频参数对初始梅尔频谱进行优化处理，得到美化过的梅尔频谱，有利于提升声音美化的音频质量。
- 语音录制方法、装置、电子设备及存储介质-202310433734.8
- 邢梦晗 - 维沃移动通信有限公司
- 2023-04-20 - 2023-08-04 - G10L13/033
- 本申请公开了一种语音录制方法、装置、电子设备及存储介质，属于语音技术领域。该方法包括：在当前界面中存在语音录制控件的情况下，录制第一语音；接收用户的第一输入，该第一输入为对语音录制控件的输入；响应于第一输入，录制第二语音；对第一语音和第二语音处理，得到目标语音。
- 声音合成方法、声音合成系统-202310641326.1
- 大道龙之介 - 雅马哈株式会社
- 2018-11-28 - 2023-07-28 - G10L13/033
- 声音合成装置具有：中间训练好的模型，其生成与包含对音位进行指定的第1控制数据的输入相对应的第2控制数据；编辑处理部，其与来自利用者的第1指示相应地对第2控制数据进行变更；输出训练好的模型，其与包含第1控制数据和变更后的第2控制数据在内的输入相应地，生成与合成声音的频率特性相关的合成数据；以及合成处理部，其生成与合成数据相对应的声音信号。
- 对言语数据进行匿名化-202310056005.5
- 大卫·迈克尔·赫尔曼;A·G·尚库 - 福特全球技术公司
- 2023-01-20 - 2023-07-28 - G10L13/033
- 本公开提供了“对言语数据进行匿名化”。一种计算机包括处理器和存储器，并且所述存储器存储指令，所述指令可由所述处理器执行以：接收第一言语数据，从所述第一言语数据中移除说话者识别特性的第一矢量以生成提取的第一言语数据，生成所述说话者识别特性的随机矢量，以及通过将所述随机矢量应用于所述提取的第一言语数据来生成第二言语数据。
- 语音转换方法、装置、存储介质及电子设备-202310349539.7
- 黄鹤 - 达闼机器人股份有限公司
- 2023-03-31 - 2023-07-11 - G10L13/033
- 本公开涉及一种语音转换方法、装置、存储介质及电子设备。可以获取待转换语音信号和目标发音对象的音色指示信息；通过韵律编码模型提取所述待转换语音信号的韵律特征，所述韵律编码模型包括通过多语种音频数据预先训练得到的自监督语音识别模型；提取所述待转换语音信号的第一音高特征和文本特征；根据所述音色指示信息、所述韵律特征、所述第一音高特征以及所述文本特征通过预先训练得到的语音转换模型将所述待转换语音信号转换为具有目标音色的目标语音信号，所述目标音色为所述目标发音对象的音色。
- 一种基于上下文感知扩散模型的口吃语音编辑方法和系统-202310361856.0
- 姜伟昊;钱冠梁;黄俊杰;李烈锋;孙清;陈梓铭 - 杭州东上智能科技有限公司
- 2023-04-07 - 2023-07-07 - G10L13/033
- 本发明公开了一种基于上下文感知扩散模型的口吃语音编辑方法和系统，属于语音编辑领域。首先获取口语语音‑文本组合，从文本中提取文本特征向量以及随机遮罩后的口语语音特征向量；基于上下文感知机制提取上下文信息；将上下文信息、当前时间步、当前时间步的梅尔频谱特征输入扩散模型，迭代计算上一时间步的梅尔频谱特征，直至迭代地重建出遮罩部分对应语音的梅尔频谱特征；对上下文感知机制和扩散模型进行联合训练；针对带有口吃的口语语音，遮罩口吃区域，采用训练好的上下文感知机制和扩散模型生成编辑后的语音片段。本发明通过从口语语音中提取丰富的上下文信息来指导扩散模型的迭代过程，从而提高了口吃语音编辑的音质与自然度。
- 语音节奏处理方法和装置-201811445711.4
- 官砚楚;陈力;杨磊 - 创新先进技术有限公司
- 2018-11-29 - 2023-06-27 - G10L13/033
- 本说明书实施例公开了一种语音节奏处理方法和装置，上述方法包括：对原始语音数据进行语音端点检测，得到多个语音片段和至少一个静音片段；基于预设标准化处理规则对所述至少一个静音片段进行标准化处理；基于标准化处理后的静音片段，对所述多个语音片段进行语音重组以得到处理后语音数据。
- 音发生装置及方法-201780091661.1
- 柏濑一辉;滨野桂三 - 雅马哈株式会社
- 2017-06-28 - 2023-06-27 - G10L13/033
- 提供能够缓和切换发音区间时的不适感的音发生装置。CPU(10)如果检测到指定开始操作(前进操作件34或者返回操作件(35)的按下操作)，则停止正在输出的音，将发音对象乐句设为未确定状态，并且自动生成哑音而开始该哑音的输出。然后，CPU(10)如果检测到指定结束操作(前进操作件(34)或者返回操作件(35)的释放操作)，则确定下一个发音对象乐句。例如CPU(10)在检测到前进操作件(34)的按下操作后检测到释放操作的情况下，将当前的乐句的后1个乐句确定为发音对象乐句，停止哑音。
- 一种合成含有情感的语音的方法、装置、设备和存储介质-202310215328.4
- 刘凯;杜新凯;蔡岩松;唐延欢;王天霖 - 阳光保险集团股份有限公司
- 2023-02-24 - 2023-06-23 - G10L13/033
- 本申请提供一种合成含有情感的语音的方法、装置、设备和存储介质，该方法包括，通过预设的情感分类模型对待处理文本进行分类，得到分类结果，其中，情感分类模型是通过多个文本数据对应的多个向量和多个文本数据中每一文本数据对应的情感类别对基础情感分类模型进行训练得到的；将待处理文本和分类结果输入预设的语音合成模型，得到含有情感的合成语音，其中，语音合成模型是通过多个情感语音对应的多个情感文本和多个情感语音对基础语音合成模型进行训练得到的。通过该方法可以达到自动化生成含有丰富情感的语音的效果。
- 车载语音播报方法及相关设备-202310099403.5
- 周冰;段至诚;苗宇栋;胡强;王知权 - 岚图汽车科技有限公司
- 2023-02-01 - 2023-06-06 - G10L13/033
- 本发明公开了一种车载语音播报方法及相关设备，涉及汽车车载领域，该方法包括：基于车载语音AI助手的TTS功能生成SDK包，该SDK包包括上述车载语音AI助手当前使用的音色ID；将上述SDK包分发上述车载语音AI助手所属车辆的至少一个目标车载应用，其中，上述目标车载应用包括语音播报功能；在上述目标车载应用进行语音播报的情况下，采用上述车载语音AI助手当前使用的音色ID。该方案使不同的目标车载应用统一采用车载语音AI助手的音色ID，改善了用户听觉体验，提升智能座舱高级感。
- 跨语句条件相干的语音编辑方法、系统及终端-202310146999.X
- 郁程;李阳;祖伟钦;孙芳蕾;田政;汪军 - 上海科技大学
- 2023-02-21 - 2023-05-30 - G10L13/033
- 本发明的跨语句条件相干的语音编辑方法、系统及终端，通过具有将语音输入信息中的音频特征和上下文语义信息作为条件输入的变分自动编码器以及解码器的语音编辑模型，根据待编辑的语音信息获得对应的编辑梅尔谱图，能够高保真地重建原始波形的未修改区域。通过使用整体推断而非部分推断，拼接导致的衔接处不连贯得以被彻底避免。此外，与现有的部分推理编辑系统相比，本发明的整体推理方法不会消耗额外的资源。
- 语音编辑方法、装置、电子设备及存储介质-202310193793.2
- 宋伟;岳杨皓;张雅洁;张政臣;吴友政;何晓冬 - 京东科技信息技术有限公司
- 2023-02-23 - 2023-05-30 - G10L13/033
- 本公开提供了一种语音编辑方法、装置、电子设备及计算机可读存储介质，涉及语音处理技术领域。该方法包括：通过对齐工具获取语音和文本的对齐结果，根据对齐结果及编辑文本确定目标梅尔谱，目标梅尔谱包括：掩蔽区域梅尔谱、及非编辑区域梅尔谱，掩蔽区域由语音模型预测编辑文本中的变更文本预测得到，将编辑文本及目标梅尔谱发送至语音模型预测掩蔽区域梅尔谱，得到预测梅尔谱，通过声码器合成预测梅尔谱及非编辑区域梅尔谱得到最终语音，本公开实施例能够提升编辑效果和边界过度效果。
- 歌唱音生成装置及方法、记录介质-201780091652.2
- 柏濑一辉;滨野桂三 - 雅马哈株式会社
- 2017-06-28 - 2023-05-26 - G10L13/033
- 提供一种能够在与要发音的音节相对应的期间确定要生成的歌唱音的发音音高的歌唱音生成装置。CPU(10)取得指定出音高的发音或者发音解除的指示，与取得的音节信息相应地决定判定时间宽度(T)，基于取得的发音或者发音解除的指示，在判定时间宽度(T)经过后确定单一的发音音高，基于取得的音节信息和所确定的发音音高而生成歌唱音。
- 基于年龄的声音生成方法和装置-202111247611.2
- 张毅;郑俊 - 华为技术有限公司
- 2021-10-26 - 2023-04-28 - G10L13/033
- 本申请提供一种基于年龄的声音生成方法和装置。本申请基于年龄的声音生成方法，包括：获取参考语音，所述参考语音是在用户的设定年龄时录制的；获取作用于交互界面上的操作所产生的第一操作指令，所述第一操作指令指示目标年龄；获取目标内容；根据所述目标内容、所述参考语音和所述第一操作指令生成目标语音，所述目标语音用所述用户在所述目标年龄时的音色呈现所述目标内容。本申请降低对音库的依赖程度，并使得不同年龄下的音色重现与用户的个人音色的失真度大大降低。
- 专利分类
