CN116129938B 歌声合成方法、装置、设备及存储介质 （腾讯音乐娱乐科技（深圳）有限公司）

司的歌声合成模型进行处理，得到目标梅尔谱信2获取目标对象的音色特征信息和所述目标对象的基于所述目标梅尔谱信息生成所述目标对象针对所述目标歌基于所述随机噪声表示和气声权重值确定第一结果，基于所述音调用所述音素编码器对所述音素特征信息进行编码处调用所述音高编码器对所述音高特征信息进行编码处调用所述音色编码器对所述音色特征信息进行编码处基于所述第一调整信息调整所述气声权重值，基于所述第二调整3基于对齐后的所述歌曲音频数据和所述歌词文本，确定所述目标歌曲的音素特征信获取样本音频数据、所述样本音频数据对应的歌词文本、所述基于所述样本音频数据和所述样本音频数据对应的歌词文本确定所述样本音频数据基于所述样本音频数据确定所述样本音频数据的样本音高特征信息和所述样本音频9.一种计算机可读存储介质，其特征在于，所述计条计算机程序，所述一条或多条计算机程序适于由处理器加载并执行如权利要求1~7任一45[0017]本申请实施例，首先获取目标对象的音色特征信息和目6的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现[0031]其中，语音技术(SpeechTechnology)的关键技术有自动语音识别技术和语音合[0032]自然语言处理(NatureLanguageprocessing，NLP)是计算机科学领域与人工智[0034]基于上述所提及的机器学习/深度学习等技术，本申请实施例提出了一种歌声合7申请实施例运用到具体产品或技术中时，所涉及使用到的数据需要获得用户许可或者同8音频数据的第一梅尔谱信息的均值信息表示为该目标对象的音声音，即音的高度，音高决定于物体振动的频的歌曲音频数据和歌词文本可以确定出该目标歌曲的音素特征信息以及每个音素特征对9振荡频率，也就是复合波中的最低频率，基频的高低决定一个音的高低。针对基频提取可以直接将提取得到的基频信息作为该目标歌[0059]在本申请实施例中，该歌声合成模型是基于样本音频数据以及对应的歌词文本、样本能力信息和样本随机噪声表示进行训练得到的。具体训练过程可以参考下述图7中步[0066]将音素特征信息作为音素编码器的输入，确定出该音素特征信息的词嵌入编码的位置编码(positionalencoding)，采用多头注意力机制(Multi_HeadAttention)进行上述步骤S201中计算机设备确定目标对象的音色特征信息和第一梅尔谱信息的具体实现[0107]其中，步骤s21和s22的具体实现方式可以参考上述步骤s11和s12的具体实现方[0113]其中，步骤s24和s25的具体实现方式可以参考上述步骤s13和s14的具体实现方是本申请实施例提供的一种歌声合成装置的结构示意图，该歌声合成装置800可以运行如[0125]该获取单元801，还用于获取目标歌曲的音素特征信息、音高特征信息和能量信行能够执行如图2或图7中所示的相应方法所涉及的各步骤的计算机程序(包括程序代码)，[0137]本申请实施例，首先获取目标对象的音色特征信息和目储介质903存储的程序指令。处理器901(或称中央处理器(CentralProcessingUnit，并执行一条或多条指令从而实现相应方法流程噪声表示和能量信息输入预先训练完成的歌声合成模型进行处理，得到目标梅尔谱信息，以包括计算机设备中的内置存储介质，当然也可以包括计算机设备所支持的扩展存储介存储空间中还存放了适于被处理器901加载并执行的一条或多条的指令，这些指令可以是[0154]本申请实施例，首先获取目标对象的音色特征信息和目