CN119446113A 一种语音合成方法、电子设备及存储介质 （华为技术有限公司）

2通过所述电子设备声学模型，并基于第一用户的第一副语言库，将所基于语音交互系统与所述第一用户进行语音交互，获取在语音交互过程基于所述目标更新频率选择信息和所述第一用户的多种副语言3.根据权利要求2所述的方法，其特征在于，所述目标更新频率选择信息包括实时更获取所述第一用户的第一副语言库对应的条形图，所述条形图中获取对所述条形图中部分或者全部矩形框的调整信息，获取所述第一用户对所述条形图中部分或者全基于调整部分或者全部矩形框后的条形图更新所述第一用户的第将所述样本文本和所述样本副语言库作为神经网络模型的输入，获取基于所述参考合成音频数据和所述预测合成音频数据，调整所述神经网络模型的参3备上执行时使得所述电子设备执行权利要求1_74将待转换文本转换为具备指定用户声音特性[0010]在上述第一方面的一种可能实现中，通过以下方式更新第一用户的第一副语言5[0012]在一些可选的实例中，从待处理音频中获取第一用户的多种副语言的方式可以是能够将任意语种的音频转换为机器可识别语言(如二进制代码)的任意语音编码器，例[0018]在上述第一方面的一种可能实现中，通过以下方式更新第一用户的第一副语言通过上下滑动来增加或者降低部分或者全部6语言模型可以对输入的音素和副语言特征进示音素和副语言特征的二进制代码)输入语音解码器，利用语音解码器对编码特征进行解[0030]图2根据本申请的一些实例，示出了一种基于语音合成系统进行语音合成的方法[0035]图7根据本申请的一些实例，示出了一种待转换文本的和合成文本的界面对比示7至第二电子设备120，以便第二电子设备120中的语音合成系统能够对神经网络模型111进一些实施例提及的基于语音合成系统进行语音合成[0054]云端服务器220可以存储不同用户在不同历史时间段录制的历史音频以及神经网[0055]其中，采集模块212可以在用户处于指定录音环境(如绝对安静环境)朗读指定文用户重新录制的音频段进行质检，直至得到质检合格的音频，将其发送至模型构建模块8[0057]模型构建模块213可以对采集模块212发送的音频和云端服务器220发送的音频进[0058]合成模块214可以基于不同用户的专属声学模型，将待转换文本转换为具备不同库中用户的多种副语言以数据可视化的形式(如条形图的形式)显示在电子设备的显示界9库，将待转换文本转换为具备目标用户声音特性以及包含目标用户副语言特性的合成音[0066]下面对本申请实施例提及的合成音频的过程进行介绍。图3示出了一种语音合成系统)可以唤醒合成系统(即语音合成系统)后，合[0074]下面对本申请实施例提及的基于合成音频的方法进行详细介绍。图5示出了一种候选用户。[0088]下面对本申请实施例提及的唤醒音频的注册方式进行详细介绍。图8示出了一种[0090]可以理解，智能语音注册操作可以是启动智能语音应用包括智能语音注册控件911和退出智能语音注册控件912。若检测到用户在电子设备900的第一设置界面910上点击智能语音注册控件911，可以跳转至如图9b所示的第二设置界面以在电子设备900的第二设置界面920展示检测到用户在电子设备900的第二设置界面920上点击确认注册控件922，可以响应于用户电子设备900的第一设置界面910上的退出智能语音注册控件912，或者当在预设时间段内检测到用户触摸电子设备900的第二设置界面920上的确认注册控件922，可以跳转至如图9c所示的第三设置界面930，并可以在电子设备900的第三设置界面930展示实时更新控件[0101]可以理解，用户注册信息控件可以包括上传头像控件和/或设置用户身份标识930上点击多个候选更新频控件中的任意一个候选更新频率控件时，可以跳转至如图9d所示的第四设置界面940，并可以在电子设备900的第四设置界面940展示上传头像控件941、[0103]在一些可选的实例中，设置用户ID控件所设置的用户ID可以表示用户的身份信音频的更新频率设置为该任意一个候选更新控件对[0120]下面对本申请实施例提及的获取用户的副语言更新用户的副语言库的方式进行设置界面1210展示确认录制控件1212和拒绝录制控件并可以在电子设备1200的第二设置界面1220展示实时更新控件1221、每周更新控件1222、每月更新控件1223和每季度更新控件1224等候选更面1220上点击多个候选更新频控件中的任意一个候选更新频率控件时，可以跳转至如图12c所示的显示界面1230，并可以在电子设备1200的显示界面1230展示交互语音对应的交以在电子设备1200的显示界面1230上展示语音交互系统发出的交互音频以及用户发出的语音修饰的现象，并基于确定更新频率操作对应的目标更新频率来更新用户的副语言库。[0138]在一些可选的实例中，若用户从多个候选更新频率控件中触发实时更新频率控频所对应的时间权重小于第20条音频所对应[0139]在另一些可选的实例中，若用户从多个候选更新频率控件中触发每周更新控件、时间先后顺序所设置的时间权重，对副语言特征1304进行实时更新，得到N轮对话结果言库。当副语言库共享群组中的用户调整其他用户的副语言库中的部分或者全部副语言基于语音交互系统与电子设备进行语音交互的过程中，会有大量的用户语音识别[0152]下面对语音编码器和语音解码器对待处理音频的处理的可以通过云侧数据中的副语言库和文本库，对文本单元映射(text_to_unit，T2U)进行更[0154]训练后的语音编码器可以基于文本单元映射对输入的待处理音频中的副语言和[0156]如图16所示用户1601可以基于电子设备的可视化界面1602(即显示界面)与电子[0157]副语言分析模块1603可以基于用户触摸的音色控件，读[0158]副语言分析模块1603还可以基于用户对目标用户的副语言库中的部分或者全部[0159]下面对上文中描述的对目标用户的副语言库中的部分或者全部副语言的调整的4[0161]当检测到用户在电子设备1700的第一显示界面1710上的选择音色框1711中点击模块可以获取用户发出的多条交互音频作为器1910，外部存储器接口1920，内部存储器1921，通用串感器1980D，加速度传感器1980E，距离传感器1980F，接近光传感器1980G，指纹传感器或发送语音信息时，用户可以通过人嘴靠近麦克风1970C发声，将声音信号输入到麦克风例中，触摸传感器1980K也可以设置于电子设备1900的表面，与显示屏1994所处的位置不[0196]需要说明的是，本申请各设备实施例中提到的各单元/模式并不是最重要的，这些逻辑单元/模块所实现的功能的组合才是解决本申请所提出的技决本申请所提出的技术问题关系不太密切的单元/模块引入，这并不表明上述设备实施例