买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：爱汇葆力(广州)数据科技有限公司

摘要：本发明属于语音合成技术领域，尤其涉及一种低样本多语种的合成语音克隆方法及系统，语音采集器：整个语音克隆合成系统的前端部分，负责从用户那里实时地收集语音样本；该设备能够捕捉用户的语音信号，包括语调和发音特征，并将这些信号转换成数字格式，以便于后续的处理和分析，通过对音色提取、音色转换、音色嵌入和音色合成等步骤进行重新调整和改进，提供一个低样本、多语种的语音克隆合成系统。该系统能够利用少量语音样本实现高质量的语音合成，同时具备良好的实时性和广泛的语种适应性，克服了现有技术的局限性，满足了实时应用场景的需求，并拓宽了语音合成技术的应用范围。

主权项：1.一种低样本多语种的合成语音克隆方法及系统，其特征在于，包括：语音采集器：整个语音克隆合成系统的前端部分，负责从用户那里实时地收集语音样本；该设备能够捕捉用户的语音信号，包括语调和发音特征，并将这些信号转换成数字格式，以便于后续的处理和分析，高质量的语音采集对于确保合成语音的自然度和准确性至关重要；音色提取器：从采集到的语音样本中分析和提取关键的音色特征；这些特征包括音高、音色、强度等，它们共同决定了一个人语音的独特性，音色提取器利用先进的语音分析技术，如傅里叶变换或深度学习算法，来识别和提取这些特征，为音色的转换和嵌入打下基础；音色转化器：音色转化器负责将提取的音色特征转换为标准化特征向量，这一转换过程是音色嵌入前的关键步骤，通过采用信号处理技术和机器学习算法，音色转化器确保了音色特征的准确性和可用性，为生成具有个性化音色特征的语音提供了基础；音色嵌入器：音色嵌入器将转换后的音色特征应用到基础语音模型中，以生成具有目标音色特征的语音输出，该服务通过深度学习技术，将音色特征嵌入到语音合成模型的参数中，从而生成与目标音色相匹配的语音信号；基础语音模型：基础语音模型是语音合成系统的核心组件，主要负责将文本转换为语音；该模型利用生成对抗网络GANs在大量语音数据上进行训练，以生成高质量的语音输出，它不仅能够处理多种语言和方言，还适应于不同的语调和情感表达，从而提供灵活且自然的语音合成能力；文本采集器：文本采集器作为语音合成系统的输入模块，负责接收并处理用户的文本数据；它提供一个用户友好的界面，允许用户输入或上传希望转换成语音的文本内容；此外，文本采集器还可以集成自然语言处理NLP技术，以优化文本的理解和预处理，确保语音合成的准确性和流畅性；音色合成器：音色合成器是语音合成过程的最终阶段，它将嵌入了音色特征的语音模型输出转换为最终的语音信号，该服务结合了音色嵌入器的输出和基础语音模型的文本到语音转换能力，生成最终的合成语音，音色合成器还需要确保合成语音的流畅性和自然度，以提供高质量的语音输出。

全文数据：

权利要求：

百度查询： 爱汇葆力(广州)数据科技有限公司 一种低样本多语种的合成语音克隆方法及系统