语音合成的发音稳定性评价方法、装置和系统及存储介质

基本信息

申请号 CN202011451192.X 申请日 -
公开(公告)号 CN112397048A 公开(公告)日 2021-02-23
申请公布号 CN112397048A 申请公布日 2021-02-23
分类号 G10L13/02(2013.01)I; 分类 乐器;声学;
发明人 黄志强;李秀林 申请(专利权)人 标贝(北京)科技有限公司
代理机构 北京睿邦知识产权代理事务所(普通合伙) 代理人 徐丁峰;戴亚南
地址 100192北京市海淀区西小口路66号中关村东升科技园·北领地B-2号楼2层A203A(东升地区)
法律状态 -

摘要

摘要 提供一种语音合成的发音稳定性评价方法、装置和系统及存储介质。方法包括:获取待合成文本的音子序列;将音子序列输入语音合成模型进行语音合成,以获得注意力矩阵和用于表示合成语音的声学参数序列,语音合成模型是基于注意力机制的序列到序列模型,声学参数序列包括与合成语音所包括的n个语音帧集一一对应相关的声学参数,n个语音帧集中的每个语音帧集包括多个语音帧,注意力矩阵用于表示音子序列与声学参数序列之间的相关度,n是大于或等于1的整数;基于注意力矩阵中的元素计算稳定性评分,稳定性评分用于反映音子序列与声学参数序列之间的相关度相对于正常注意力矩阵中的相关度的偏离情况;基于稳定性评分确定合成语音的发音稳定性。