龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：东南大学
申请日：2024-02-23
公开（公告）日：2024-05-28
公开（公告）号：CN118098195A
主分类号：G10L13/027
分类号：G10L13/027;G10L13/10;G10L25/60
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.06.14#实质审查的生效;2024.05.28#公开
摘要：本发明公开了一种基于多层级韵律特征的情感语音生成方法及装置，方法包括：将文本数据转换为拼音序列，将所述音频数据转换为线性声谱图；根据所述拼音序列预测具有情感类别标签对应情感的语言学韵律变量；根据所述线性声谱图提取具有情感类别标签对应情感的声学韵律变量，将所述语言学韵律变量和声学韵律变量进行匹配，合成潜在韵律变量；根据潜在韵律变量生成情感音频数据，以及情感音频数据的音频质量和自然度。本发明效果更精准、生成情感语音的自然度更高。
主权项：1.一种基于多层级韵律特征的情感语音生成方法，其特征在于，包括如下步骤：1获取原始样本数据，所述原始样本数据包括中文说话人的音频数据、中文文本数据和情感类别标签；2转换模块将所述文本数据转换为拼音序列，将所述音频数据转换为线性声谱图；3文本韵律预测模块根据所述拼音序列预测具有情感类别标签对应情感的语言学韵律变量；4声学韵律建模模块根据所述线性声谱图提取具有情感类别标签对应情感的声学韵律变量，其中，声学韵律建模模块包括说话人身份编码器、情感韵律变化提取单元和韵律信息整合器，所述说话人身份编码器用于从所述线性声谱图中提取说话人基频信息，所述情感韵律变化提取单元用于从所述线性声谱图中提取包括效价、唤醒度、支配度且具有情感类别标签对应情感的情感声学特征，所述韵律信息整合器用于将所述说话人基频信息和所述情感声学特征整合为声学韵律变量；5韵律信息对齐模块将所述语言学韵律变量和声学韵律变量进行匹配，合成潜在韵律变量；6情感语音生成模块根据潜在韵律变量生成情感音频数据，以及情感音频数据的音频质量和自然度，所述情感语音生成模块包括解码器、波形鉴别器和情感分类器，所述解码器用于根据所述潜在韵律变量生成情感音频数据，所述波形鉴别器用于评估所述生成情感音频数据的音频质量，所述情感分类器用于评估所述生成情感音频数据的自然度。
全文数据：
权利要求：
百度查询： 东南大学 基于多层级韵律特征的情感语音生成方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号