申请/专利权人：北京字节跳动网络技术有限公司

申请日：2020-07-30

公开（公告）日：2024-07-05

公开（公告）号：CN111899719B

主分类号：G10L13/08

分类号：G10L13/08;G10L13/033;G10L19/00;G10L25/12;G10L25/18;G10L25/27

优先权：

专利状态码：有效-授权

法律状态：2024.07.05#授权;2020.11.24#实质审查的生效;2020.11.06#公开

摘要：本公开的实施例公开了用于生成音频的方法、装置、设备和介质。该用于生成音频的方法的一具体实施方式包括：获取目标普通话文本信息和目标用户发出的用户语音音频的音色信息；将目标普通话文本信息转换为与其对应的目标方言文本信息；基于目标方言文本信息和用户语音音频的音色信息，生成目标语音音频，其中，目标语音音频的音色与用户语音音频的音色信息相匹配，目标方言文本信息用于指示目标语音音频所对应的文本信息。该实施方式可以将普通话文本转换为与其对应的方言语音音频，并且方言语音音频具有目标用户发出的语音音频的音色，由此丰富了语音音频的生成方式。

主权项：1.一种用于生成音频的方法，包括：获取目标普通话文本信息和目标用户发出的用户语音音频的音色信息；将所述目标普通话文本信息转换为与其对应的目标方言文本信息；基于所述目标方言文本信息和用户语音音频的音色信息，生成目标语音音频，其中，所述目标语音音频的音色与用户语音音频的音色信息相匹配，所述目标方言文本信息用于指示目标语音音频所对应的文本信息；所述目标语音音频基于预训练的编码器和预训练的解码器生成，所述预训练的编码器包括预训练的文本编码器，所述预训练的文本编码器用于对所述目标方言文本信息的文本特征信息进行编码，所述预训练的解码器用于对编码后的文本特征信息和所述用户语音音频的音色信息进行解码，获得用于得到所述目标语音音频的信息；所述预训练的编码器和所述预训练的解码器对应的训练样本为标注有用于得到所述目标语音音频的信息的不同用户提供的音频样本，所述训练样本用于输入待训练的音频编码器中，所述待训练的音频编码器用于输出编码后的音频样本，所述编码后的音频样本包括音色信息和文本特征信息，所述文本特征信息用于对待训练的文本编码器进行训练，所述编码后的音频样本用于对待训练的解码器进行训练。

全文数据：

权利要求：

百度查询： 北京字节跳动网络技术有限公司 用于生成音频的方法、装置、设备和介质

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