[发明专利]一种语音合成方法、装置和电子设备

摘要

本发明实施例提供了一种语音合成方法、装置和电子设备。本技术方案是在选音拼接合成路线上，适度引入深度学习技术、但又不彻底废弃传统统计学习技术，博采两者之长，最核心的创新是借用深度学习模型生成仿真数据来反哺传统统计学习模型的训练，从算法和数据两方面改善传统学习的效果，从而提高了语音合成的效果。

主权项

1.一种语音合成方法，其特征在于，包括步骤：响应文本输入，对输入的文本进行文本分析，得到所述文本的目标基元序列及相应的语境信息；针对所述语境信息，利用传统模型决策树确定所述语境信息在语音库的声学参数模型、基元时长模型和边界帧声学参数模型中分别所属的子类号；针对所述目标基元序列中每个目标基元，从所述语音库中检索所有候选单元，根据每个所述候选单元在所述统计模型中所属的子类号和所述目标基元在所述统计模型中所属的子类号，查表得到每个所述候选单元与所述目标基元的KLD距离，并根据所述KLD距离从所述多个候选单元中选择部分候选单元作为预选结果；利用所述预选结果依次将每个所述目标基元形成一列，最终使所述目标基元序列形成一套候选网格；将所述语境信息输入到深度学习模型，得到所述候选网格中每个所述目标基元的声学参数包络、基元时长和边界帧声学参数，分别替换所述声学参数模型、基元时长模型和边界帧声学参数模型中均值，形成新的选音目标模型；在所述候选网格中，对于每个所述候选单元，根据所述声学参数模型、所述基元时长模型、所述边界帧声学参数模型和通过查表得到的权重系数计算每个所述候选单元的3种选音距离；对于每个所述候选单元，将3种选音距离加权求和，得到其动态规划代价；根据候选网格中各所述候选单元的动态规划代价，通过动态规划最优化算法，确定累积代价最小的最优路径；根据所述最优路径从所述语音库中读取选定的基元，适当调整所述基元的长度与音高，顺次平滑拼接在一起。