JP6752872B2 - 音声合成方法及び装置、コンピュータ設備、読取り可能な媒体及びプログラム - Google Patents
音声合成方法及び装置、コンピュータ設備、読取り可能な媒体及びプログラム Download PDFInfo
- Publication number
- JP6752872B2 JP6752872B2 JP2018244454A JP2018244454A JP6752872B2 JP 6752872 B2 JP6752872 B2 JP 6752872B2 JP 2018244454 A JP2018244454 A JP 2018244454A JP 2018244454 A JP2018244454 A JP 2018244454A JP 6752872 B2 JP6752872 B2 JP 6752872B2
- Authority
- JP
- Japan
- Prior art keywords
- voice
- training
- speech
- time length
- synthesis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001308 synthesis method Methods 0.000 title claims description 38
- 238000012549 training Methods 0.000 claims description 140
- 230000015572 biosynthetic process Effects 0.000 claims description 123
- 238000003786 synthesis reaction Methods 0.000 claims description 123
- 238000000034 method Methods 0.000 claims description 35
- 238000004590 computer program Methods 0.000 claims description 6
- 230000002194 synthesizing effect Effects 0.000 claims description 6
- 230000008439 repair process Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 8
- 230000003287 optical effect Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000004224 protection Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L13/00—Speech synthesis; Text to speech systems
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L13/00—Speech synthesis; Text to speech systems
- G10L13/08—Text analysis or generation of parameters for speech synthesis out of text, e.g. grapheme to phoneme translation, prosody generation or stress or intonation determination
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L13/00—Speech synthesis; Text to speech systems
- G10L13/02—Methods for producing synthetic speech; Speech synthesisers
- G10L13/04—Details of speech synthesis systems, e.g. synthesiser structure or memory management
- G10L13/047—Architecture of speech synthesisers
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Machine Translation (AREA)
Description
音声接続合成において問題音声があった時、予めに訓練された時間長さ予測モデル及び基本周波数予測モデルに基づいて、問題音声に対応する目標テキストに対応する毎音素の状態の時間長さ及び毎フレームの基本周波数を予測すること、
上記目標テキストに対応する上記毎音素の状態の時間長さ及び毎フレームの基本周波数に基づいて、予めに訓練された音声合成モデルによって上記目標テキストに対応する音声を合成すること、を含み、
そのうち、上記時間長さ予測モデル、上記基本周波数予測モデル及び上記音声合成モデルはいずれも音声接続合成の音庫に基づいて訓練したものである。
音庫におけるテキスト及び対応する音声に基づいて、上記時間長さ予測モデル、上記基本周波数予測モデル及び上記音声合成モデルを訓練することを含む。
上記音庫におけるテキスト及び対応する音声から、複数の訓練テキスト及び対応する訓練音声を抽出すること、
上記複数の訓練音声から、各上記訓練音声における毎音素に対応する状態の時間長さ及び毎フレームに対応する基本周波数をそれぞれに抽出すること、
各上記訓練テキスト及び対応する上記訓練音声における毎音素に対応する状態の時間長さに基づいて、上記時間長さ予測モデルを訓練すること、
各上記訓練テキスト及び対応する上記訓練音声における毎フレームに対応する基本周波数に基づいて、上記基本周波数予測モデルを訓練すること、
各上記訓練テキスト、対応する各上記訓練音声、対応する各上記訓練音声における毎音素に対応する状態の時間長さ及び毎フレームに対応する基本周波数に基づいて、上記音声合成モデルを訓練すること、を含む。
上記音庫を利用して音声接続合成を行う時、ユーザによって返送された上記問題音声及び上記問題音声に対応する上記目標テキストを受信すること、を更に含む。
上記目標テキスト及び対応する合成した上記音声を上記音庫に添加すること、を含む。
更に好ましく、上記方法において、上記音声合成モデルはWaveNetモデルを採用する。
音声接続合成において問題音声があった時、予めに訓練された時間長さ予測モデル及び基本周波数予測モデルに基づいて、上記問題音声に対応する目標テキストに対応する毎音素の状態の時間長さ及び毎フレームの基本周波数を予測するための予測モジュールと、
上記目標テキストに対応する上記毎音素の状態の時間長さ及び毎フレームの基本周波数に基づいて、予めに訓練された音声合成モデルによって、上記目標テキストに対応する音声を合成するための合成モジュールと、を含み、
そのうち、上記時間長さ予測モデル、上記基本周波数予測モデル及び上記音声合成モデルはいずれも音声接続合成の音庫に基づいて訓練したものである。
音庫におけるテキスト及び対応する音声に基づいて、上記時間長さ予測モデル、上記基本周波数予測モデル及び上記音声合成モデルを訓練するための訓練モジュールを含む。
上記音庫におけるテキスト及び対応する音声から、複数の訓練テキスト及び対応する訓練音声を抽出し、
上記複数の訓練音声から、各上記訓練音声における毎音素に対応する状態の時間長さ及び毎フレームに対応する基本周波数をそれぞれに抽出し、
各上記訓練テキスト及び対応する上記訓練音声における毎音素に対応する状態の時間長さに基づいて、上記時間長さ予測モデルを訓練し、
各上記訓練テキスト及び対応する上記訓練音声における毎フレームに対応する基本周波数に基づいて、上記基本周波数予測モデルを訓練し、
各上記訓練テキスト、対応する各上記訓練音声、対応する各上記訓練音声における毎音素に対応する状態の時間長さ及び毎フレームに対応する基本周波数に基づいて、上記音声合成モデルを訓練するために用いられる。
上記音庫を利用して音声接続合成を行う時、ユーザによって返送された上記問題音声及び上記問題音声に対応する上記目標テキストを受信するための受信モジュールを含む。
上記目標テキスト及び対応する合成した上記音声を上記音庫に添加するための添加モジュールを含む。
1つ或複数のプロセッサと、
1つ或複数のプログラムを記憶するためのメモリと、を含み、
上記1つ或複数のプログラムが上記1つ或複数のプロセッサによって実行される時、上記1つ或複数のプロセッサに上記音声合成方法を実現させる。
101、目標テキストに対応する毎音素の状態の時間長さ及び毎フレームの基本周波数に基づいて、予めに訓練された音声合成モデルによって目標テキストに対応する音声を合成すること、
そのうち、時間長さ予測モデル、基本周波数予測モデル及び音声合成モデルはいずれも音声接続合成の音庫に基づいて訓練したものである。
(b)複数の訓練音声から、各訓練音声における毎音素に対応する状態の時間長さ及び毎フレームに対応する基本周波数をそれぞれに抽出すること、
(c)各訓練テキスト及び対応する訓練音声における毎音素に対応する状態の時間長さに基づいて、時間長さ予測モデルを訓練すること、
(d)各訓練テキスト及び対応する訓練音声における毎フレームに対応する基本周波数に基づいて、基本周波数予測モデルを訓練すること、
(e)各訓練テキスト、対応する各訓練音声、対応する各訓練音声における毎音素に対応する状態の時間長さ及び毎フレームに対応する基本周波数に基づいて、音声合成モデルを訓練すること。
202、音声接続技術を利用して音庫に基づいて接続した目標テキストの音声が問題音声であることを確定し、ステップ203を実行すること。
204、目標テキストに対応する毎音素の状態の時間長さ及び毎フレームの基本周波数に基づいて、予めに訓練された音声合成モデルによって目標テキストに対応する音声を合成し、ステップ205を実行すること、
ステップ203及びステップ204は、上記図1に示す実施例のステップ100及びステップ101を参照することができ、ここで贅言しない。
音声接続合成において問題音声があった時、予めに訓練された時間長さ予測モデル及び基本周波数予測モデルに基づいて、問題音声に対応する目標テキストに対応する毎音素の状態の時間長さ及び毎フレームの基本周波数を予測するための予測モジュール10と、
予測モジュール10によって予測された目標テキストに対応する毎音素の状態の時間長さ及び毎フレームの基本周波数に基づいて、予めに訓練された音声合成モデルによって目標テキストに対応する音声を合成するための合成モジュール11と、を含み、
そのうち、時間長さ予測モデル、基本周波数予測モデル及び音声合成モデルはいずれも音声接続合成の音庫に基づいて訓練したものである。
相応に、合成モジュール11は、予測モジュール10によって予測された目標テキストに対応する毎音素の状態の時間長さ及び毎フレームの基本周波数に基づいて、訓練モジュール12によって予めに訓練した音声合成モデルによって目標テキストに対応する音声を合成するために用いられる。
音庫におけるテキスト及び対応する音声から、複数の訓練テキスト及び対応する訓練音声を抽出し、
複数の訓練音声から、各訓練音声における毎音素に対応する状態の時間長さ及び毎フレームに対応する基本周波数をそれぞれに抽出すし、
各訓練テキスト及び対応する訓練音声における毎音素に対応する状態の時間長さに基づいて、時間長さ予測モデルを訓練し、
各訓練テキスト及び対応する訓練音声における毎フレームに対応する基本周波数に基づいて、基本周波数予測モデルを訓練し、
各訓練テキスト、対応する各訓練音声、対応する各訓練音声における毎音素に対応する状態の時間長さ及び毎フレームに対応する基本周波数に基づいて、音声合成モデルを訓練するために用いられる。
Claims (15)
- コンピュータ設備によって実行される、音声合成装置における音声合成方法であって、
前記音声合成装置は、予測モジュールと、合成モジュールとを備え、
前記コンピュータ設備は、前記音声合成装置と通信可能であり、
前記コンピュータ設備から送信される命令に基づいて、
前記予測モジュールが、音声接続合成において問題音声があった時、予めに訓練された時間長さ予測モデル及び基本周波数予測モデルに基づいて、問題音声に対応する目標テキストに対応する毎音素の状態の時間長さ及び毎フレームの基本周波数を予測することと、
前記合成モジュールが、前記目標テキストに対応する前記毎音素の状態の時間長さ及び毎フレームの基本周波数に基づいて、予めに訓練された音声合成モデルによって前記目標テキストに対応する音声を合成することと、を含み、
そのうち、前記時間長さ予測モデル、前記基本周波数予測モデル及び前記音声合成モデルはいずれも音声接続合成の音庫に基づいて訓練したものである
音声合成方法。 - 前記音声合成装置は、訓練モジュールをさらに備え、
前記予測モジュールが、予めに訓練された時間長さ予測モデル及び基本周波数予測モデルに基づいて、目標テキストに対応する毎音素の状態の時間長さ及び毎フレームの基本周波数を予測する前、前記音声合成方法は、更に
前記訓練モジュールが、音庫におけるテキスト及び対応する音声に基づいて、前記時間長さ予測モデル、前記基本周波数予測モデル及び前記音声合成モデルを訓練することを含む
請求項1に記載された音声合成方法。 - 前記訓練モジュールが、音庫におけるテキスト及び対応する音声に基づいて、前記時間長さ予測モデル、前記基本周波数予測モデル及び前記音声合成モデルを訓練することは、具体的に、
前記音庫におけるテキスト及び対応する音声から、複数の訓練テキスト及び対応する訓練音声を抽出することと、
前記複数の訓練音声から、各前記訓練音声における毎音素に対応する状態の時間長さ及び毎フレームに対応する基本周波数をそれぞれに抽出することと、
各前記訓練テキスト及び対応する前記訓練音声における毎音素に対応する状態の時間長さに基づいて、前記時間長さ予測モデルを訓練することと、
各前記訓練テキスト及び対応する前記訓練音声における毎フレームに対応する基本周波数に基づいて、前記基本周波数予測モデルを訓練することと、
各前記訓練テキスト、対応する各前記訓練音声、対応する各前記訓練音声における毎音素に対応する状態の時間長さ及び毎フレームに対応する基本周波数に基づいて、前記音声合成モデルを訓練することと、を含む
請求項2に記載された音声合成方法。 - 前記音声合成装置は、受信モジュールをさらに備え、
前記予測モジュールが、予めに訓練された時間長さ予測モデル及び基本周波数予測モデルに基づいて、目標テキストに対応する毎音素の状態の時間長さ及び毎フレームの基本周波数を予測する前、前記音声合成方法は、更に
前記受信モジュールが、前記音庫を利用して音声接続合成を行う時、ユーザによって返送された前記問題音声及び前記問題音声に対応する前記目標テキストを受信すること、を含む
請求項2に記載された音声合成方法。 - 前記音声合成装置は、添加モジュールをさらに備え、
前記合成モジュールが、前記目標テキストに対応する前記毎音素の状態の時間長さ及び毎フレームの基本周波数に基づいて、予めに訓練された音声合成モデルによって前記目標テキストに対応する音声を合成した後、前記音声合成方法は、更に
前記添加モジュールが、前記目標テキスト及び対応する合成した前記音声を前記音庫に添加すること、を含む
請求項2に記載された音声合成方法。 - 前記音声合成モデルはWaveNetモデルを採用する
請求項1〜5のいずれか1項に記載された音声合成方法。 - 音声合成装置であって、
音声接続合成において問題音声があった時、予めに訓練された時間長さ予測モデル及び基本周波数予測モデルに基づいて、前記問題音声に対応する目標テキストに対応する毎音素の状態の時間長さ及び毎フレームの基本周波数を予測するための予測モジュールと、
前記目標テキストに対応する前記毎音素の状態の時間長さ及び毎フレームの基本周波数に基づいて、予めに訓練された音声合成モデルによって、前記目標テキストに対応する音声を合成するための合成モジュールと、を含み、
そのうち、前記時間長さ予測モデル、前記基本周波数予測モデル及び前記音声合成モデルはいずれも音声接続合成の音庫に基づいて訓練したものである
音声合成装置。 - 前記音声合成装置は、更に
音庫におけるテキスト及び対応する音声に基づいて、前記時間長さ予測モデル、前記基本周波数予測モデル及び前記音声合成モデルを訓練するための訓練モジュールを含む
請求項7に記載された音声合成装置。 - 前記訓練モジュールは、具体的に、
前記音庫におけるテキスト及び対応する音声から、複数の訓練テキスト及び対応する訓練音声を抽出し、
前記複数の訓練音声から、各前記訓練音声における毎音素に対応する状態の時間長さ及び毎フレームに対応する基本周波数をそれぞれに抽出し、
各前記訓練テキスト及び対応する前記訓練音声における毎音素に対応する状態の時間長さに基づいて、前記時間長さ予測モデルを訓練し、
各前記訓練テキスト及び対応する前記訓練音声における毎フレームに対応する基本周波数に基づいて、前記基本周波数予測モデルを訓練し、
各前記訓練テキスト、対応する各前記訓練音声、対応する各前記訓練音声における毎音素に対応する状態の時間長さ及び毎フレームに対応する基本周波数に基づいて、前記音声合成モデルを訓練するために用いられる
請求項8に記載された音声合成装置。 - 前記音声合成装置は、更に
前記音庫を利用して音声接続合成を行う時、ユーザによって返送された前記問題音声及び前記問題音声に対応する前記目標テキストを受信するための受信モジュールを含む
請求項8に記載された音声合成装置。 - 前記音声合成装置は、更に
前記目標テキスト及び対応する合成した前記音声を前記音庫に添加するための添加モジュールを含む
請求項8に記載された音声合成装置。 - 前記音声合成モデルはWaveNetモデルを採用する
請求項7〜11のいずれか1項に記載された音声合成方法。 - コンピュータ設備であって、
1つ或複数のプロセッサと、
1つ或複数のプログラムを記憶するためのメモリと、を含み、
前記1つ或複数のプログラムが前記1つ或複数のプロセッサによって実行される時、前記1つ或複数のプロセッサに請求項1〜6のいずれか1項に記載された音声合成方法を実現させる
コンピュータ設備。 - コンピュータプログラムを記憶しているコンピュータ読取り可能な媒体であって、該コンピュータプログラムがプロセッサによって実行される時、請求項1〜6のいずれか1項に記載された音声合成方法を実現する
コンピュータ読取り可能な媒体。 - コンピュータ設備において、プロセッサにより実行される場合、請求項1〜6のいずれか1項に記載の音声合成方法を実現することを特徴とするプログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810565148.8A CN108550363B (zh) | 2018-06-04 | 2018-06-04 | 语音合成方法及装置、计算机设备及可读介质 |
CN201810565148.8 | 2018-06-04 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019211748A JP2019211748A (ja) | 2019-12-12 |
JP6752872B2 true JP6752872B2 (ja) | 2020-09-09 |
Family
ID=63492479
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018244454A Active JP6752872B2 (ja) | 2018-06-04 | 2018-12-27 | 音声合成方法及び装置、コンピュータ設備、読取り可能な媒体及びプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US10825444B2 (ja) |
JP (1) | JP6752872B2 (ja) |
CN (1) | CN108550363B (ja) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108877765A (zh) * | 2018-05-31 | 2018-11-23 | 百度在线网络技术(北京)有限公司 | 语音拼接合成的处理方法及装置、计算机设备及可读介质 |
CN109979428B (zh) * | 2019-04-02 | 2021-07-23 | 北京地平线机器人技术研发有限公司 | 音频生成方法和装置、存储介质、电子设备 |
CN110379407B (zh) * | 2019-07-22 | 2021-10-19 | 出门问问(苏州)信息科技有限公司 | 自适应语音合成方法、装置、可读存储介质及计算设备 |
CN110390928B (zh) * | 2019-08-07 | 2022-01-11 | 广州多益网络股份有限公司 | 一种自动拓增语料的语音合成模型训练方法和系统 |
CN110600002B (zh) * | 2019-09-18 | 2022-04-22 | 北京声智科技有限公司 | 语音合成方法、装置及电子设备 |
CN110992927B (zh) * | 2019-12-11 | 2024-02-20 | 广州酷狗计算机科技有限公司 | 音频生成方法、装置、计算机可读存储介质及计算设备 |
CN111613224A (zh) * | 2020-04-10 | 2020-09-01 | 云知声智能科技股份有限公司 | 一种个性化语音合成方法及装置 |
CN111653266B (zh) * | 2020-04-26 | 2023-09-05 | 北京大米科技有限公司 | 语音合成方法、装置、存储介质和电子设备 |
CN111599343B (zh) * | 2020-05-14 | 2021-11-09 | 北京字节跳动网络技术有限公司 | 用于生成音频的方法、装置、设备和介质 |
CN111916049B (zh) * | 2020-07-15 | 2021-02-09 | 北京声智科技有限公司 | 一种语音合成方法及装置 |
CN111968616A (zh) * | 2020-08-19 | 2020-11-20 | 浙江同花顺智能科技有限公司 | 一种语音合成模型的训练方法、装置、电子设备和存储介质 |
CN112542153B (zh) * | 2020-12-02 | 2024-07-16 | 北京沃东天骏信息技术有限公司 | 时长预测模型训练方法和装置、语音合成方法和装置 |
CN112786013A (zh) * | 2021-01-11 | 2021-05-11 | 北京有竹居网络技术有限公司 | 基于唱本的语音合成方法、装置、可读介质和电子设备 |
CN113096640A (zh) * | 2021-03-08 | 2021-07-09 | 北京达佳互联信息技术有限公司 | 一种语音合成方法、装置、电子设备及存储介质 |
CN114783405B (zh) * | 2022-05-12 | 2023-09-12 | 马上消费金融股份有限公司 | 一种语音合成方法、装置、电子设备及存储介质 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6060079B2 (ja) | 1978-04-20 | 1985-12-27 | 三洋電機株式会社 | アナログ信号合成装置 |
JP2001350491A (ja) | 2000-06-07 | 2001-12-21 | Canon Inc | 音声処理方法および装置 |
JP2007141993A (ja) | 2005-11-16 | 2007-06-07 | Tokyo Gas Co Ltd | 被膜形成装置および被膜形成方法 |
CN102385858B (zh) * | 2010-08-31 | 2013-06-05 | 国际商业机器公司 | 情感语音合成方法和系统 |
JP5148026B1 (ja) * | 2011-08-01 | 2013-02-20 | パナソニック株式会社 | 音声合成装置および音声合成方法 |
CN103377651B (zh) * | 2012-04-28 | 2015-12-16 | 北京三星通信技术研究有限公司 | 语音自动合成装置及方法 |
TWI471854B (zh) * | 2012-10-19 | 2015-02-01 | Ind Tech Res Inst | 引導式語者調適語音合成的系統與方法及電腦程式產品 |
US9972300B2 (en) * | 2015-06-11 | 2018-05-15 | Genesys Telecommunications Laboratories, Inc. | System and method for outlier identification to remove poor alignments in speech synthesis |
CN104934028B (zh) * | 2015-06-17 | 2017-11-17 | 百度在线网络技术(北京)有限公司 | 用于语音合成的深度神经网络模型的训练方法及装置 |
CN107705783B (zh) * | 2017-11-27 | 2022-04-26 | 北京搜狗科技发展有限公司 | 一种语音合成方法及装置 |
-
2018
- 2018-06-04 CN CN201810565148.8A patent/CN108550363B/zh active Active
- 2018-12-07 US US16/213,473 patent/US10825444B2/en active Active
- 2018-12-27 JP JP2018244454A patent/JP6752872B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
CN108550363A (zh) | 2018-09-18 |
US10825444B2 (en) | 2020-11-03 |
JP2019211748A (ja) | 2019-12-12 |
CN108550363B (zh) | 2019-08-27 |
US20190371292A1 (en) | 2019-12-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6752872B2 (ja) | 音声合成方法及び装置、コンピュータ設備、読取り可能な媒体及びプログラム | |
KR102327614B1 (ko) | 클록워크 계층적 변이 인코더 | |
US10410621B2 (en) | Training method for multiple personalized acoustic models, and voice synthesis method and device | |
JP6622505B2 (ja) | 音響モデル学習装置、音声合成装置、音響モデル学習方法、音声合成方法、プログラム | |
US8046225B2 (en) | Prosody-pattern generating apparatus, speech synthesizing apparatus, and computer program product and method thereof | |
CN106688034B (zh) | 具有情感内容的文字至语音转换 | |
JP4328698B2 (ja) | 素片セット作成方法および装置 | |
CN108573694B (zh) | 基于人工智能的语料扩充及语音合成系统构建方法及装置 | |
JP7517778B2 (ja) | 結合された韻律情報を用いたニューラル・ネットワークを介した音響シーケンスの生成 | |
JP2019211747A (ja) | 音声接続合成の処理方法及び装置、コンピュータ設備及び読取り可能な媒体 | |
JP2007249212A (ja) | テキスト音声合成のための方法、コンピュータプログラム及びプロセッサ | |
US8626510B2 (en) | Speech synthesizing device, computer program product, and method | |
US10521945B2 (en) | Text-to-articulatory movement | |
JP6680933B2 (ja) | 音響モデル学習装置、音声合成装置、音響モデル学習方法、音声合成方法、プログラム | |
JP6669081B2 (ja) | 音声処理装置、音声処理方法、およびプログラム | |
JP6631883B2 (ja) | クロスリンガル音声合成用モデル学習装置、クロスリンガル音声合成用モデル学習方法、プログラム | |
JP5807921B2 (ja) | 定量的f0パターン生成装置及び方法、f0パターン生成のためのモデル学習装置、並びにコンピュータプログラム | |
JP4247289B1 (ja) | 音声合成装置、音声合成方法およびそのプログラム | |
JP6314828B2 (ja) | 韻律モデル学習装置、韻律モデル学習方法、音声合成システム、および韻律モデル学習プログラム | |
JP2014228580A (ja) | 音声モデル生成装置、方法、プログラム | |
JP6137708B2 (ja) | 定量的f0パターン生成装置、f0パターン生成のためのモデル学習装置、並びにコンピュータプログラム | |
JPWO2009044596A1 (ja) | 音声合成装置、音声合成方法および音声合成プログラム | |
CN117894293A (zh) | 语音合成方法、装置、计算机设备和存储介质 | |
JP2005043828A (ja) | 知覚試験用音声データセット作成装置、コンピュータプログラム、音声合成用サブコスト関数の最適化装置、及び音声合成装置 | |
JP2017040747A (ja) | 音声パラメータ生成装置、音声合成装置、音声パラメータ生成方法、音声合成方法、プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20181227 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200213 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200512 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200804 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200819 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6752872 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |