申请/专利权人：厦门快商通科技股份有限公司

申请日：2024-04-03

公开（公告）日：2024-07-05

公开（公告）号：CN118298796A

主分类号：G10L13/02

分类号：G10L13/02;G10L13/08;G10L13/10

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.07.23#实质审查的生效;2024.07.05#公开

摘要：本发明公开了一种语音合成模型的训练方法、语音合成方法、装置及可读介质，该训练方法包括：获取若干单个说话人的多语种的语音数据并进行预处理，得到训练数据；分别针对每个语种构建改进的Bert模型并训练，改进的Bert模型在Bert模型的transformer结构中的编码模块和解码模块的后面均增加一个HUK模块，HUK模块再与编码模块和解码模块的前面的加法器连接；构建基于改进的VITS模型的语音合成模型并分阶段训练，将文本输入到经训练的改进的Bert模型中，得到Bert特征向量，将Bert词向量以及文本生成的音素均输入到VITS模型的文本编码器中，并将VITS模型中的随机时长预测器替换为改进的随机时长预测器，得到经训练的语音合成模型，解决改善跨语种语音合成效果不稳定、语速异常问题。

主权项：1.一种语音合成模型的训练方法，其特征在于，包括以下步骤：获取若干单个说话人的多语种的语音数据并进行预处理，得到训练数据；分别针对每个语种构建改进的Bert模型并训练，得到每个语种对应的经训练的改进的Bert模型，所述改进的Bert模型在Bert模型的transformer结构中的编码模块和解码模块的后面均增加一个HUK模块，所述编码模块的输出特征和编码模块的输出特征输入所述HUK模块中，得到中间特征，所述中间特征输入到所述编码模块和解码模块的前面的加法器中；构建基于改进的VITS模型的语音合成模型，所述语音合成模型中将VITS模型与所述经训练的改进的Bert模型结合，将文本输入到所述经训练的改进的Bert模型中，得到Bert特征向量，将所述Bert词向量以及文本生成的音素均输入到所述VITS模型的文本编码器中，并将所述VITS模型中的随机时长预测器替换为改进的随机时长预测器；采用公共语音数据和所述训练数据对所述语音合成模型进行分阶段训练，得到经训练的语音合成模型。

全文数据：

权利要求：

百度查询： 厦门快商通科技股份有限公司 语音合成模型的训练方法、语音合成方法、装置及可读介质

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