買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜平安科技(深圳)有限公司申請的專利一種語音合成模型的訓(xùn)練方法、裝置、設(shè)備及介質(zhì)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN113889072B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-05-16發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202111138448.6，技術(shù)領(lǐng)域涉及：G10L13/027；該發(fā)明授權(quán)一種語音合成模型的訓(xùn)練方法、裝置、設(shè)備及介質(zhì)是由張旭龍;王健宗設(shè)計研發(fā)完成，并于2021-09-27向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種語音合成模型的訓(xùn)練方法、裝置、設(shè)備及介質(zhì)在說明書摘要公布了：本申請涉及人工智能技術(shù)，提供一種語音合成模型的訓(xùn)練方法、裝置、設(shè)備及介質(zhì)。方法包括：獲取訓(xùn)練樣本，訓(xùn)練樣本包括第一訓(xùn)練文本信息以及訓(xùn)練語音信息；通過GST模型對第一訓(xùn)練文本信息進行情感識別處理，得到情感向量，并將情感向量嵌入TTS模型；通過TTS模型對第一訓(xùn)練文本信息和情感向量進行語音合成處理，得到預(yù)測語音信息；將預(yù)測語音信息和訓(xùn)練語音信息進行比較，得到語音合成損失值；基于語音合成損失值對語音合成模型中的TTS模型的參數(shù)和GST模型的參數(shù)進行調(diào)整，以對語音合成模型進行訓(xùn)練，得到訓(xùn)練后的語音合成模型，可實現(xiàn)在不對訓(xùn)練樣本進行情感標注的前提下，仍然可以使用TTS模型將文字轉(zhuǎn)為情感化語音，提高語音合成模型的訓(xùn)練效率。

本發(fā)明授權(quán)一種語音合成模型的訓(xùn)練方法、裝置、設(shè)備及介質(zhì)在權(quán)利要求書中公布了：1.一種語音合成模型的訓(xùn)練方法，其特征在于，包括：獲取訓(xùn)練樣本，所述訓(xùn)練樣本包括第一訓(xùn)練文本信息以及所述第一訓(xùn)練文本信息對應(yīng)的訓(xùn)練語音信息；通過語音合成模型中的全局風(fēng)格標簽GST模型對所述第一訓(xùn)練文本信息進行情感識別處理，得到所述第一訓(xùn)練文本信息的情感向量，并將所述第一訓(xùn)練文本信息的情感向量嵌入所述語音合成模型中的文本語音轉(zhuǎn)換TTS模型；所述情感識別處理包括：通過所述GST模型中的參考編碼器對所述第一訓(xùn)練文本信息進行編碼，得到參考向量；使用注意機制計算所述參考向量和初始化向量之間的相似度，得到一組權(quán)重值；將所述一組權(quán)重值與所述初始化向量進行加權(quán)運算，得到所述第一訓(xùn)練文本信息的情感向量；通過所述TTS模型對所述第一訓(xùn)練文本信息進行語言學(xué)習(xí)，得到所述第一訓(xùn)練文本信息的底層結(jié)構(gòu)特征；通過所述TTS模型對所述第一訓(xùn)練文本信息的底層結(jié)構(gòu)特征和所述第一訓(xùn)練文本信息的情感向量進行對齊處理，得到所述第一訓(xùn)練文本信息對應(yīng)的預(yù)測語音信息；所述TTS模型包括注意力機制模塊，所述注意力機制模塊包括壓縮和激勵網(wǎng)絡(luò)SENet或者基于卷積塊的注意機制CBAM，且所述注意力機制模塊基于當前任務(wù)需求確定；所述SENet基于各特征通道的重要程度增強對當前任務(wù)有用的特征并抑制對當前任務(wù)用處不大的特征，所述CBAM包含通道注意力模塊CAM和空間注意力模塊SAM，以用于分別進行通道與空間上的注意機制；將所述第一訓(xùn)練文本信息對應(yīng)的預(yù)測語音信息和所述訓(xùn)練語音信息進行比較，得到語音合成損失值；基于所述語音合成損失值對所述TTS模型的參數(shù)和GST模型的參數(shù)進行調(diào)整，以對所述語音合成模型進行訓(xùn)練，得到訓(xùn)練后的語音合成模型，所述訓(xùn)練后的語音合成模型包括訓(xùn)練后的GST模型和訓(xùn)練后的TTS模型；在第二電子設(shè)備運行有即時通訊客戶端，且在用戶駕車或者處于顛簸環(huán)境場景中，若所述即時通訊客戶端中的會話界面包括至少一個文本信息，則響應(yīng)于針對所述文本信息的語音轉(zhuǎn)換指令，獲取所述語音轉(zhuǎn)換指令對應(yīng)的目標文本信息，以利用所述訓(xùn)練后的語音合成模型確定目標文本信息對應(yīng)的預(yù)測語音信息，并播放所述預(yù)測語音信息；在智能診療或者遠程會診過程中，若檢測到病人無法挪動身體，且第二電子設(shè)備與病人之間達到預(yù)設(shè)距離，則將對端用戶輸入的文本信息作為目標文本信息，以利用訓(xùn)練后的語音合成模型確定目標文本信息對應(yīng)的預(yù)測語音信息，并播放所述預(yù)測語音信息。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人平安科技(深圳)有限公司，其通訊地址為：518000 廣東省深圳市福田區(qū)福田街道福安社區(qū)益田路5033號平安金融中心23樓；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。