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：平安科技(深圳)有限公司
申请日：2024-04-03
公开（公告）日：2024-06-14
公开（公告）号：CN118197349A
主分类号：G10L25/24
分类号：G10L25/24;G10L13/02;G10L13/08;G10L25/30
优先权：
专利状态码：在审-公开
法律状态：2024.06.14#公开
摘要：本发明涉及人工智能及医疗领域，揭露一种基于风格克隆的语音合成方法，包括：利用提取器组合提取训练样本音素序列的单词表示向量，及利用第一编码器将单词表示向量转换成音素编码特征向量；对参考音频进行随机扰动，得到扰动后音频，对所述音频进行转换，得到梅尔频谱；对梅尔频谱进行特征提取，得到预设数量的等长特征向量，将上述等长特征向量融合，得到参考风格特征向量；利用注意力模块对参考风格特征向量和预设数量的风格标记特征向量进行注意力学习，得到风格嵌入特征向量；将风格嵌入特征向量和文本音素编码特征向量融合，得到融合特征向量，TTS系统将融合特征向量生成目标音频。本发明还提供一种装置及介质。本发明可用于医疗问诊领域。
主权项：1.一种基于风格克隆的语音合成方法，其特征在于，所述方法包括：利用预设的提取器组合提取训练样本的音素序列的单词表示向量，及利用预设的第一编码器将所述单词表示向量转换成音素编码特征向量；利用预设的扰动模块对参考音频进行随机扰动处理，得到扰动后的音频，利用预设的转换模块对扰动后的音频进行转换，得到梅尔频谱；利用预设的第二编码器对所述梅尔频谱进行局部特征提取，得到预设数量的风格语音的等长特征向量，将所述预设数量的等长特征向量进行融合，得到参考风格特征向量；利用预设的注意力模块对所述参考风格特征向量和预设数量的风格标记特征向量进行注意力学习，得到风格嵌入特征向量；将所述风格嵌入特征向量和所述文本音素编码特征向量进行相加，得到融合特征向量，利用预设的TTS系统将所述融合特征向量生成目标音频。
全文数据：
权利要求：
百度查询： 平安科技(深圳)有限公司 基于风格克隆的语音合成方法、装置及存储介质
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。
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