买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:昆明理工大学
摘要:本发明涉及基于细粒度韵律建模的低资源老挝语语音合成方法,属于自然语言处理领域。针对老挝语语音资源极度稀缺,传统基于Tacotron2的神经网络语音合成方法在极低资源语料条件下模型难于训练充分,致使出现模型注意力机制崩坏,合成音频缺乏流畅度和自然度的问题,本发明提出了一种细粒度韵律建模的低资源老挝语语音合成方法,主要包括对老挝语语音合成数据预处理、基于细粒度韵律建模的老挝语语音合成两个部分构成。本发明所提的方法是提取老挝语音频中的音调特征及老挝语字符粒度预训练语言模型,通过交叉注意力机制融合不同层次的粒度特征,帮助模型更好的学习到文本‑梅尔谱图的注意力机制对齐关系,提高模型的韵律表现。
主权项:1.基于细粒度韵律建模的低资源老挝语语音合成方法,其特征在于:所述方法的具体步骤如下:Step1、对老挝语语音合成数据进行预处理,包括将老挝语文本数据进行数据清洗,编码转换,长度比过滤,分词;Step2、采用融合外部语言知识的方法,在自回归模型文本编码器中融合不同粒度的语言知识,通过自注意力机制融合字符粒度的老挝语预训练语言模型XLM-Roberta和tacotron2文本编码器,以及通过自注意力机制融合音素粒度的音频韵律特征f0编码器和tacotron2文本编码器;使用tacotron2解码器,对编码器的输出隐状态进行预测,转化隐状态为梅尔频谱图特征,最后通过hifigan模型生成原始波形。
全文数据:
权利要求:
百度查询: 昆明理工大学 基于细粒度韵律建模的低资源老挝语语音合成方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。