申请/专利权人：科大讯飞股份有限公司

申请日：2019-12-27

公开（公告）日：2024-05-31

公开（公告）号：CN113053356B

主分类号：G10L13/08

分类号：G10L13/08;G10L19/00;G10L19/04;G10L21/0332;G10L25/12;G10L25/18;G10L25/24;G10L25/30;G10L15/06

优先权：

专利状态码：有效-授权

法律状态：2024.05.31#授权;2021.07.16#实质审查的生效;2021.06.29#公开

摘要：本申请实施例提供一种语音波形生成方法、装置、服务器及存储介质，该方法包括：获取输入文本；从输入文本中提取条件特征；将条件特征输入训练得到的波形生成模型，对条件特征进行处理，得到语音波形；波形生成模型包括先验分布估计网络和波形生成网络，先验分布估计网络在训练阶段用于学习自然语音波形的编码信息，波形生成网络用于根据条件特征和先验分布估计网络的输出结果生成语音波形。本申请实施例可以提高波形生成效率。

主权项：1.一种语音波形生成方法，其特征在于，包括：获取语音训练样本，所述语音训练样本包括自然语音波形和与所述自然语音波形对应的文本；从所述自然语音波形或所述自然语音波形对应的文本中提取自然条件特征；将所述自然语音波形和所述自然条件特征输入波形生成模型，得到训练结果；根据所述训练结果对所述波形生成模型的模型参数进行优化；所述波形生成模型为变分自编码器VAE和生成式对抗网络GAN；所述波形生成模型包括编码器、先验分布估计网络、波形生成网络和判别器，所述VAE包括所述编码器、所述先验分布估计网络和所述波形生成网络，所述GAN包括所述波形生成网络和所述判别器；所述将所述自然语音波形和所述自然条件特征输入波形生成模型，得到训练结果，包括：将所述自然语音波形输入所述编码器，得到所述自然语音波形的第一隐变量的后验分布；将所述自然条件特征输入所述先验分布估计网络，得到所述自然条件特征的第二隐变量的先验分布；根据所述第一隐变量的后验分布和所述第二隐变量的先验分布计算先验损失函数；从所述第一隐变量的后验分布中采样，得到所述第一隐变量，从所述第二隐变量的先验分布中采样，得到所述第二隐变量；将所述第一隐变量、所述第二隐变量和所述自然条件特征输入所述波形生成网络，根据所述波形生成网络输出的波形结果计算似然损失函数；将所述自然语音波形和所述波形生成网络输出的波形结果输入所述判别器，根据所述判别器的输出结果计算判别损失函数和对抗损失函数；所述根据所述训练结果对所述波形生成模型的模型参数进行优化，包括：在第一训练阶段，按照最小化第一损失函数的方法对所述编码器的模型参数、所述先验分布估计网络的模型参数和所述波形生成网络的模型参数进行更新；所述第一损失函数基于所述先验损失函数和所述似然损失函数确定；在第二训练阶段，在固定所述第一训练阶段更新的所述编码器的模型参数和所述先验分布估计网络的模型参数的情况下，按照最小化所述判别损失函数的方法对所述判别器的模型参数进行更新，按照最小化第二损失函数的方法对所述波形生成网络的模型参数进行更新，所述第二损失函数基于所述似然损失函数和所述对抗损失函数确定；获取输入文本；从所述输入文本中提取条件特征；将所述条件特征输入训练得到的波形生成模型，对所述条件特征进行处理，得到语音波形；所述先验分布估计网络在训练阶段用于学习自然语音波形的编码信息，所述波形生成网络用于根据所述条件特征和所述先验分布估计网络的输出结果生成所述语音波形。

全文数据：

权利要求：

百度查询： 科大讯飞股份有限公司 语音波形生成方法、装置、服务器及存储介质

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD