技術(shù)特征：

1.一種語音信號生成方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述韻律編碼預測器的訓練過程，包括：

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述頻譜預測器的訓練過程，包括：

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述時長預測器的訓練過程，包括：

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于預先訓練好的頻譜預測器、所述中心句文本的文本特征、所述中心句文本的音色嵌入信息、所述中心句文本的時長信息以及所述中心句文本的韻律信息，獲得所述中心句文本的語音信號，包括：

6.一種語音信號生成裝置，其特征在于，包括：

7.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述第一執(zhí)行單元，包括：

8.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述第三執(zhí)行單元，包括：

9.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述第二執(zhí)行單元，包括：

10.一種電子設(shè)備，其特征在于，包括存儲器，以及一個或者一個以上的指令，其中一個或一個以上指令存儲于存儲器中，且經(jīng)配置以由一個或者一個以上處理器執(zhí)行如權(quán)利要求1～5任意一項所述的語音信號生成方法。

技術(shù)總結(jié)
本申請?zhí)峁┝艘环N語音信號生成方法、裝置及電子設(shè)備，該方法包括：獲取目標文本；目標文本包括N個句子文本以及每個句子文本的旁白對話標簽；基于韻律編碼預測器、目標文本、目標文本的文本特征以及每個句子文本的音色嵌入信息，獲得中心句文本的韻律信息；每個句子文本的音色嵌入信息基于每個句子文本的旁白對話標簽與參考語音生成；基于時長預測器、目標文本、目標文本的文本特征以及每個句子文本的音色嵌入信息，獲得中心句文本的時長信息；基于頻譜預測器，以及中心句文本的文本特征、音色嵌入信息、時長信息以及韻律信息，獲得中心句文本的語音信號。能夠提升語音合成的韻律表現(xiàn)，并且可以實現(xiàn)合成多樣化音色的語音。

技術(shù)研發(fā)人員：吳寧謙,凌震華
受保護的技術(shù)使用者：中國科學技術(shù)大學
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/23