CN114242033B 语音合成方法、装置、设备、存储介质及程序产品 （广州酷狗计算机科技有限公司）.pdfVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN114242033B

(45)授权公告日2025.07.01

(21)申请号202111601435.8G10L13/08(2013.01)

G10L25/63(2013.01)

(22)申请日2021.12.24

G10L25/24(2013.01)

(65)同一申请的已公布的文献号

G10L25/30(2013.01)

申请公布号CN114242033A

(56)对比文件

(43)申请公布日2022.03.25

CN113314093A,2021.08.27

(73)专利权人广州酷狗计算机科技有限公司JP2006030609A,2006.02.02

地址510660广东省广州市天河区黄埔大

审查员陈跃燕

道中315号自编1-17

(72)发明人黄杰雄轩晓光关迪聆陈传艺

孙洪文

(74)专利代理机构北京三高永信知识产权代理

有限责任公司11138

专利代理师李芳

(51)Int.Cl.

G10L13/02(2013.01)权利要求书3页说明书14页附图5页

(54)发明名称

语音合成方法、装置、设备、存储介质及程序

产品

(57)摘要

本申请公开了一种语音合成方法、装置、设

备、存储介质及程序产品，涉及人工智能领域。该

方法包括：获取目标文本的目标音素、目标情感

以及目标音色；对目标音素对应的目标音素特征

与目标情感对应的目标情感特征进行特征融合，

得到音素融合特征；基于音素融合特征与目标音

色对应的目标音色特征进行发音预测，得到目标

音素对应的语音发音特征；对语音发音特征进行

特征解码，得到目标声学特征；基于目标声学特

征合成目标语音，目标语音与目标文本相对应，

目标语音是具有目标情感与目标音色的音频。本

B申请实施例提供的方法，可得到不同情感以及不

3同音色的语音，丰富合成语音的语音效果，且有

3

0

2助于提高合成语音的自然性与真实性。

4

2

4

1

1

N

C

CN114242033B权利要求书1/3页

1.一种语音合成方法，其特征在于，所述方法包括：

获取目标文本的目标音素、目标情感以及目标音色；

对所述目标音素进行特征编码，得到目标音素序列；对所述目标情感进行特征编码，得

到初始情感序列；对所述初始情感序列进行扩展处理，得到目标情感序列，所述目标情感序

列与所述目标音素序列的序列长度相同；对所述目标音素序列和所述目标情感序列进行融

合处理，得到音素融合序列；

对所述目标音色进行特征编码，得到初始音色序列；对所述初始音色序列进行扩展处

理，得到目标音色序列，所述目标音色序列与所述音素融合序列的序列长度相同；将所述目

标音色序列与所述音素融合序列输入语音预测网络进行发音预测，得到所述目标音素对