一种基于线性自注意力的语音合成方法及系统

发明专利有效专利

申请号：
CN202111007669.X
IPC分类号：G10L13/08;G10L25/30
申请日期：
2021-08-30
申请人：
中国科学院声学研究所

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于线性自注意力的语音合成方法及系统
申请号	CN202111007669.X	申请日期	2021-08-30
法律状态	公开	申报国家	暂无
公开/公告日	2021-11-26	公开/公告号	CN113707127A
优先权	暂无	优先权号	暂无
主分类号	G10L13/08 ? IPC结构图谱： G 物理 G0 仪器 G10 乐器；声学 G10L 语音分析或合成；语音识别；语音或声音处理；语音或音频编码或解码〔4〕 G10L13/00 语音合成；文本-语音合成系统〔7〕 G10L13/08 文本分析或文本以外的语音合成参数的产生，例如语义图翻译为音素、韵律产生、重音或声调测定〔7，2013.01〕	IPC分类号	G;1;0;L;1;3;/;0;8;;;G;1;0;L;2;5;/;3;0查看分类表>
申请人	中国科学院声学研究所	申请人地址	北京市海淀区北四环西路21号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	中国科学院声学研究所	当前权利人	中国科学院声学研究所
发明人	张鹏远;张浩哲;颜永红
代理机构	北京亿腾知识产权代理事务所（普通合伙）	代理人	陈霁

摘要

本申请涉及一种基于线性自注意力的语音合成方法和系统，所述方法包括：根据音频进行处理，获得对应文本的音素序列；根据所述音素序列通过神经网络编码器得到第一文本特征序列；所述神经网络编码器用于对所述音素序列进行线性自注意力计算和乘性位置编码以得到第一文本特征序列；根据所述第一文本特征序列通过时长预测模型扩增得到第二文本特征序列；根据所述第二文本特征序列通过神经网络解码器得到对应的梅尔谱特征序列；根据所述梅尔谱特征序列通过神经网络声码器得到转换后的语音。本申请以线性的时间、空间复杂度输出梅尔谱，输入神经网络声码器得到语音。该方法解决了传统并行语音合成声学模型时间、空间复杂度较高的问题。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供