一種音色克隆方法、系統(tǒng)、裝置及計算機可讀存儲介質(zhì)

基本信息

申請?zhí)?/td> CN202110408975.8 申請日 -
公開（公告）號 CN112992162B 公開（公告）日 2021-08-20
申請公布號 CN112992162B 申請公布日 2021-08-20
分類號 G10L19/16（2013.01）I;G10L25/30（2013.01）I 分類 樂器；聲學;
發(fā)明人 黃一鳴;李一夫;陳哲乾 申請（專利權(quán)）人 杭州一知智能科技有限公司
代理機構(gòu) 杭州智財黑馬知識產(chǎn)權(quán)代理事務(wù)所（普通合伙） 代理人 張勇
地址 311215浙江省杭州市蕭山區(qū)蕭山經(jīng)濟技術(shù)開發(fā)區(qū)啟迪路198號F座7層
法律狀態(tài) -

摘要

摘要 本發(fā)明公開了一種音色克隆方法、系統(tǒng)、裝置及計算機可讀存儲介質(zhì)，方法包括以下步驟：制作多說話人數(shù)據(jù)集并處理；訓練對齊模型；制作目標說話人數(shù)據(jù)集并處理；訓練多說話人語音合成模型；訓練多說話人聲碼器模型；獲取具有目標說話人音色的目標人語音合成模型；將待合成文本輸入至目標人語音合成模型完成語音合成。本發(fā)明的有益效果是：目標說話人的風格和音色能夠被更好的學習；可以通過指定韻律標簽的方式來指定韻律節(jié)奏；使用時長預測模型來進行發(fā)音序列與頻譜序列的對齊，加快語音生成的推理速度；在解碼階段添加音高和能量的預測和編碼，目標人語音合成模型添加了音高和能量的預測與編碼，有效的提高語音合成的效果。