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 CN112992162A 公開（公告）日 2021-06-18
申請公布號 CN112992162A 申請公布日 2021-06-18
分類號 G10L19/16;G10L25/30 分類 樂器；聲學(xué);
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(jì)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(xùn)練對齊模型；制作目標(biāo)說話人數(shù)據(jù)集并處理；訓(xùn)練多說話人語音合成模型；訓(xùn)練多說話人聲碼器模型；獲取具有目標(biāo)說話人音色的目標(biāo)人語音合成模型；將待合成文本輸入至目標(biāo)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(biāo)說話人的風(fēng)格和音色能夠被更好的學(xué)習(xí)；可以通過指定韻律標(biāo)簽的方式來指定韻律節(jié)奏；使用時長預(yù)測模型來進(jìn)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(yù)測和編碼，目標(biāo)人語音合成模型添加了音高和能量的預(yù)測與編碼，有效的提高語音合成的效果。